机械臂手眼标定ZED相机——眼在手外python、matlab

目录

1.眼在手外原理

2.附上眼在手外求得手眼矩阵的python代码

3.眼在手外标定步骤

1）打印棋盘格

2）得到hand数据

3）得到camera数据

4.运行python得到手眼矩阵

1.眼在手外原理

 

眼在手外所求的手眼矩阵是基坐标到相机的转换矩阵

2.附上眼在手外求得手眼矩阵的python代码

#!/usr/bin/env python
# coding: utf-8
import transforms3d as tfs
import numpy as np
import mathdef get_matrix_eular_radu(x, y, z, rx, ry, rz):rmat = tfs.euler.euler2mat(math.radians(rx), math.radians(ry), math.radians(rz))rmat = tfs.affines.compose(np.squeeze(np.asarray((x, y, z))), rmat, [1, 1, 1])return rmatdef skew(v):return np.array([[0, -v[2], v[1]],[v[2], 0, -v[0]],[-v[1], v[0], 0]])def rot2quat_minimal(m):quat = tfs.quaternions.mat2quat(m[0:3, 0:3])return quat[1:]def quatMinimal2rot(q):p = np.dot(q.T, q)w = np.sqrt(np.subtract(1, p[0][0]))return tfs.quaternions.quat2mat([w, q[0], q[1], q[2]])# hand = [1.1988093940033604, -0.42405585264804424, 0.18828251788562061, 151.3390418721659, -18.612399542280507,
#         153.05074895025035,
#         1.1684831621733476, -0.183273375514656, 0.12744868246620855, -161.57083804238462, 9.07159838346732,
#         89.1641128844487,
#         1.1508343174145468, -0.22694301453461405, 0.26625166858469146, 177.8815855486261, 0.8991159570568988,
#         77.67286224959672]
hand = [# -0.05448,-0.15018,0.06552,89.61059916,-2.119943842,-1.031324031,#     -0.10149,-0.23025,0.04023,96.7725716,6.187944187,5.328507495,#     -0.10114,-0.2207,0.04853,97.00175472,5.729577951,1.375098708    毫米单位# -54.48,	-150.18,	65.52,  89.61059916,    -2.119943842,   -1.031324031,
# -101.49,-230.25,    40.23,  96.7725716,      6.187944187,    5.328507495,
# -101.14,-220.7	,   48.53,  97.00175472,    5.729577951,    1.375098708# -122.12,	-323.09,	-206.86,	82.62051406,	-7.161972439	,1.948056503,
# -96.54,	-324.53,	-215.59,	83.70913387,	-7.734930234	,7.276563998,
# -116.41,	-325.50,	-202.05,	81.18811957,	-7.505747116	,6.187944187# zed
-54.29,	-95.24,	199.74,	80.45,	-5.88,	8.8,
-54.28,	-95.25,	199.73,	80.66,	-6.62,	18.13,
-54.3,	-95.27,	199.75,	81.57,	-0.76,	13.05]# camera = [-0.16249272227287292, -0.047310635447502136, 0.4077761471271515, -56.98037030812389, -6.16739631361851,
#           -115.84333735802369,
#           0.03955405578017235, -0.013497642241418362, 0.33975949883461, -100.87129330834215, -17.192685528625265,
#           -173.07354634882094,
#           -0.08517949283123016, 0.00957852229475975, 0.46546608209609985, -90.85270962096058, 0.9315977976503153,
#           175.2059707654342]camera = [# -0.0794887,-0.0812433,0.0246,0.0008,0.0033,0.0182,#       -0.078034,-0.0879632,0.4881494,-0.1085,0.0925,-0.1569,#       -0.1086702,-0.0881681,0.4240367,-0.1052,0.1251,-0.1124,# -79.4887,	-81.2433,	24.6,        0.0008,     0.0033,     0.0182,
# -78.034,	-87.9632,	488.1494,    -0.1085,    0.0925,     -0.1569,
# -108.6702,	-88.1681,	424.0367,    -0.1052,    0.1251,     -0.1124,#     23.22020448 ,-69.45610195    ,370.5620915    ,0.2530 ,-0.0707, -1.5724,
#     46.8704669 ,-60.19912413    ,263.9729574    ,0.1473 ,-0.1117 ,-1.6090,
#     53.92881454 ,-39.52795178    ,453.4331562     ,0.2702 ,-0.1256, -1.6270,
-174.01022,	1797.687613,	2425.313638,	    1.2710,    0.1238,    0.0033,
-175.3384083,	260.4775862,	1349.136325,	    1.5191,    0.0664,    0.0058,
123.6753385,	-109.6917624,	695.5448714	,    0.4651,   -0.1328,   -0.2488]Hgs, Hcs = [], []
for i in range(0, len(hand), 6):Hgs.append(get_matrix_eular_radu(hand[i], hand[i + 1], hand[i + 2], hand[i + 3], hand[i + 4], hand[i + 5],))Hcs.append(get_matrix_eular_radu(camera[i], camera[i + 1], camera[i + 2], camera[i + 3], camera[i + 4], camera[i + 5]))Hgijs = []
Hcijs = []
A = []
B = []
size = 0
for i in range(len(Hgs)):for j in range(i + 1, len(Hgs)):size += 1Hgij = np.dot(np.linalg.inv(Hgs[j]), Hgs[i])Hgijs.append(Hgij)Pgij = np.dot(2, rot2quat_minimal(Hgij))Hcij = np.dot(Hcs[j], np.linalg.inv(Hcs[i]))Hcijs.append(Hcij)Pcij = np.dot(2, rot2quat_minimal(Hcij))A.append(skew(np.add(Pgij, Pcij)))B.append(np.subtract(Pcij, Pgij))
MA = np.asarray(A).reshape(size * 3, 3)
MB = np.asarray(B).reshape(size * 3, 1)
Pcg_ = np.dot(np.linalg.pinv(MA), MB)
pcg_norm = np.dot(np.conjugate(Pcg_).T, Pcg_)
Pcg = np.sqrt(np.add(1, np.dot(Pcg_.T, Pcg_)))
Pcg = np.dot(np.dot(2, Pcg_), np.linalg.inv(Pcg))
Rcg = quatMinimal2rot(np.divide(Pcg, 2)).reshape(3, 3)A = []
B = []
id = 0
for i in range(len(Hgs)):for j in range(i + 1, len(Hgs)):Hgij = Hgijs[id]Hcij = Hcijs[id]A.append(np.subtract(Hgij[0:3, 0:3], np.eye(3, 3)))B.append(np.subtract(np.dot(Rcg, Hcij[0:3, 3:4]), Hgij[0:3, 3:4]))id += 1MA = np.asarray(A).reshape(size * 3, 3)
MB = np.asarray(B).reshape(size * 3, 1)
Tcg = np.dot(np.linalg.pinv(MA), MB).reshape(3, )
print(tfs.affines.compose(Tcg, np.squeeze(Rcg), [1, 1, 1]))

其中：

        hand为基坐标系下抓夹的位姿，一般从示教器上获取，我用的是ur5机械臂，注意单位mm和rad，三行为三组数据，hand=(x,y,z,rx,ry,rz)，同时应将弧度制rad转为角度制°

        camera为相机中标定板的位姿，为相机的外参（平移矩阵、旋转矩阵），三行为三组数据，camera=(x,y,z,rx,ry,rz)，同时应将弧度制转为角度制

3.眼在手外标定步骤

1）打印棋盘格

为了使标定精度更加准确，棋盘格精度越高越好；角点数越多越好；尽量减少相机中心到标定板的距离（适当小的标定板）等

参考资料：

手眼标定，我的结果显示手和眼相距上千米！手眼标定结果准确率如何提高？_提高手眼标定精度_鱼香ROS的博客-CSDN博客

这里我选择4*4的棋盘格

2）得到hand数据

示教器右侧为hand数据，记录五组，并转化为角度制

3）得到camera数据

将相机固定在距离机械臂基坐标的一定距离的地方，固定相机，记住距离

将棋盘格粘贴在机械臂末端执行器上，用相机拍摄五组棋盘格图片，使用matlab计算相机外参TR，将得到的TR转换为欧拉角

（matlab工具箱使用单目标定，其中得到的T为translationvectors，R为rotationvectors）

 （不知道这个棋盘格不正会不会有影响）

matlab标定得到的是旋转向量/旋转矩阵，得到的数据转化为欧拉角，参考下面的链接手眼标定必备——旋转向量转换为旋转矩阵python——罗德里格斯公式Rodrigues_python rodrigues_邸笠佘司的博客-CSDN博客

手眼标定中旋转矩阵转欧拉角——matlab_邸笠佘司的博客-CSDN博客

 

4.运行python得到手眼矩阵

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/109622.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

springboot服务注册到Eureka，端口总是默认8080，自己配置端口不生效

springboot服务注册到Eureka，端口总是默认8080，自己配置端口不生效

这段时间接手了一个公司的老项目，用的是SpringCloud，在我用的时候突然发现有一个服务，注册到Eureka后，界面显示的端口和实际Ribbon调用的实例端口是不一致的，后来我自己写了个端口获取了一下所有的实例信息&#xff0c…
阅读更多...
门禁系统忘记登入密码,现在更换电脑如何迁移旧电脑门禁系统的数据

门禁系统忘记登入密码,现在更换电脑如何迁移旧电脑门禁系统的数据

环境： ivms-4200 v3.10.0.6_c 问题描述： 门禁系统忘记登入密码,现在更换电脑如何迁移旧电脑门禁系统的数据，旧电脑记住密码，忘了密码和密保了 解决方案： 1.前往海康官网下载4200客户端，在新电脑上安装 …
阅读更多...
JavaScript用indexOf()在字符串数组中查找子串时需要注意的一个地方

JavaScript用indexOf()在字符串数组中查找子串时需要注意的一个地方

一、遇到问题 在 继续更新完善：C 结构体代码转MASM32代码 中，由于结构体成员中可能为数组类型的情况，因此我们在提取结构体成员信息的过程中，需要检测结构体成员名称字符串中是否包括 []，如果包括那么我们要截取[前面…
阅读更多...
纸贵科技连续三年蝉联IDC中国 FinTech 50榜单

纸贵科技连续三年蝉联IDC中国 FinTech 50榜单

近日，国际权威市场研究机构IDC公布了“2023 IDC中国FinTech 50榜单”。作为领先的区块链技术和解决方案服务商，纸贵科技凭借过硬的区块链技术和丰富的金融科技创新成果，连续第三年荣登IDC中国FinTech 50榜单。 IDC中国FinTech 50榜单是金融科…
阅读更多...
java八股文面试[数据结构]——ConcurrentHashMap原理

java八股文面试[数据结构]——ConcurrentHashMap原理

HashMap不是线程安全： 在并发环境下，可能会形成环状链表（扩容时可能造成，具体原因自行百度google或查看源码分析），导致get操作时，cpu空转，所以，在并发环境中使用HashMap是…
阅读更多...
腾讯云coding平台平台inda目录遍历漏洞复现

腾讯云coding平台平台inda目录遍历漏洞复现

前言 其实就是一个python的库可以遍历到，并不能遍历到别的路径下，后续可利用性不大，并且目前这个平台私有部署量不多，大多都是用腾讯云在线部署的。 CODING DevOps 是面向软件研发团队的一站式研发协作管理平台，提供…
阅读更多...
kafka和消息队列

kafka和消息队列

https://downloads.apache.org/kafka/3.5.1/kafka_2.13-3.5.1.tgz d kafka依赖与zookeeper kakka配置文件 broker.id1 #每个 broker 在集群中的唯一标识，正整数。每个节点不一样 listenersPLAINTEXT://192.168.74.70:9092 ##监听地址 num.network.threads3 #…
阅读更多...
“超级AI助手：全新提升！中文NLP训练框架，快速上手，海量训练数据，ChatGLM-v2、中文Bloom、Dolly_v2_3b助您实现更智能的应用！”

“超级AI助手：全新提升！中文NLP训练框架，快速上手，海量训练数据，ChatGLM-v2、中文Bloom、Dolly_v2_3b助您实现更智能的应用！”

“超级AI助手：全新提升！中文NLP训练框架，快速上手，海量训练数据，ChatGLM-v2、中文Bloom、Dolly_v2_3b助您实现更智能的应用！” 1.简介 目标：基于pytorch、transformers做中文领域的nlp开箱即用…
阅读更多...
URI和URL和URN区别

URI和URL和URN区别

URI、URL 和 URN 是一系列从不同角度来看待资源标识和定位的概念。虽然它们有一些重叠，但每个概念都强调了不同的方面。 URI（Uniform Resource Identifier）：URI 是一个通用的术语，用于标识和定位资源。它是一个抽象的概…
阅读更多...
DockerCompose介绍与使用

DockerCompose介绍与使用

DockerCompose介绍与使用 1、DockerCompose介绍 DockerCompose用于定义和运行多容器 Docker 应用程序的工具。 通过 Compose可以使用 YAML 文件来配置应用程序需要的所有服务。一个使用Docker容器的应用，通常由多个容器组成，使用Docker Compose不再需要…
阅读更多...
在腾讯云服务器OpenCLoudOS系统中安装Jenkins(有图详解)

在腾讯云服务器OpenCLoudOS系统中安装Jenkins(有图详解)

Jenkins介绍 Jenkins是一个开源软件项目，是基于java开发的一种持续集成工具，用于监控持续重复的工作，旨在提供一个开放易用的软件平台，使软件的持续集成变成可能。 将项目代码的svn地址配置在Jenkins，就可以直接在Je…
阅读更多...
原生web实现不固定列数的表格、随机列、document、querySelector、forEach、hasOwnProperty、call、includes

原生web实现不固定列数的表格、随机列、document、querySelector、forEach、hasOwnProperty、call、includes

文章目录 效果图公共样式第一种解决方案(不推荐)第二种解决方案(强烈推荐) 效果图 公共样式 .d_f {display: flex; }.flex_1 {flex: 1; }.jc_sb {justify-content: space-between; }.ai_c {align-items: center; }.bc_ccc {background-color: #cccccc; }/* ------------paddin…
阅读更多...
Docker容器中的Postgresql备份脚本异常解决办法

Docker容器中的Postgresql备份脚本异常解决办法

本文基于K8S中Docker容器对postgres数据库进行备份的操作，编写好脚本后，手动执行脚本是正常的，但是crontab定时实行却报错，报错信息为kubectl command not found，提示没有找到kubectl指令。 本文主要介绍对该报错信息…
阅读更多...
m4s格式转换mp4

m4s格式转换mp4

先安装 ffmpeg，具体从官网可以查到，https://ffmpeg.org，按流程走。 转换代码如下，可以任意选择格式导出 import subprocess import osdef merge_audio_video(input_audio_path, input_video_path, output_mp4_path):# 构建 FFmpe…
阅读更多...
大数据处理平台的架构演进：从批处理到实时流处理

大数据处理平台的架构演进：从批处理到实时流处理

文章目录 批处理架构：实时流处理架构：混合架构： 🎈个人主页：程序员 小侯 🎐CSDN新晋作者 🎉欢迎 👍点赞✍评论⭐收藏 ✨收录专栏：大数据系列 ✨文章内容：大数…
阅读更多...
CTF-XXE(持续更新，欢迎分享更多相关知识点的题目)

CTF-XXE(持续更新，欢迎分享更多相关知识点的题目)

知识 实例 BUU [PHP]XXE 进来看到 然后一起看 Write BUU XXE COURSE 1 进来看到 一起看 write NSS [NCTF2019]Fake XML cookbook 反正是XXE 直接整 write [NCTF 2019]True XML cookbook 不整花里胡哨，解题在最下面 write 与博主不同，我通过…
阅读更多...
对标 GPT-4？科大讯飞刘庆峰：华为GPU技术能力已与英伟达持平

对标 GPT-4？科大讯飞刘庆峰：华为GPU技术能力已与英伟达持平

科大讯飞创始人、董事长刘庆峰在亚布力中国企业家论坛第十九届夏季高峰会上透露了关于自家大模型进展的一些新内容。刘庆峰认为，中国在人工智能领域的算法并没有问题，但是算力方面似乎一直被英伟达所限制。 以往的“百模大战”中，训练大型模型…
阅读更多...
国产当自强！深圳触觉智能「全国产化主板」大盘点（二）

国产当自强！深圳触觉智能「全国产化主板」大盘点（二）

上期我们给大家盘点了RK3568国产主板，本期为大家盘点的是深圳触觉智能RK3566系列产品，话不多说，上干货！ RK3566系列 深圳触觉智能 IDO-SOM3566 核心板 IDO-SOM3566-V1采用 Rockchip 新一代 64 位处理器 RK3566（Q…
阅读更多...
计算机毕设 基于机器视觉的二维码识别检测 - opencv 二维码 识别检测 机器视觉

计算机毕设 基于机器视觉的二维码识别检测 - opencv 二维码 识别检测 机器视觉

文章目录 0 简介1 二维码检测2 算法实现流程3 特征提取4 特征分类5 后处理6 代码实现5 最后 0 简介 今天学长向大家介绍一个机器视觉的毕设项目，二维码 / 条形码检测与识别 基于机器学习的二维码识别检测 - opencv 二维码 识别检测 机器视觉 1 二维码检测 物体检…
阅读更多...
【计算机基础】一文搞清楚什么是线程/进程/协程

【计算机基础】一文搞清楚什么是线程/进程/协程

👉博主介绍： 博主从事应用安全和大数据领域，有8年研发经验，5年面试官经验，Java技术专家，WEB架构师，阿里云专家博主，华为云云享专家，51CTO 专家博主 ⛪️ 个人社区&#x…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023