[原创]一种自动化九点标定工具原理(包涵部分源码)

1. 什么是标定?

  • 工业应用中相机拍到一个mark点的坐标为C1(Cx,Cy),C1点对应的龙门架/机械手等执行端对应的坐标是多少?
  • 标定就是解决这个问题,如相机拍到一个点坐标C1(Cx,Cy),通过标定公式的计算得到点R1(Rx,Ry),R1就是龙门架/机械手坐标系的真实点位
  • C1与R1之间存在一种固定的关系,求解这个关系的过程叫做标定

2. 为什么是9点标定?

  • C1与R1之间的关系只有三种平移、缩放、旋转
  • 矩阵中有对三种关系的公式如下:
  • 平移矩阵公式 image.png
  • 缩放矩阵公式 image.png
  • 旋转矩阵公式 image.png
  • 上面三种矩阵相乘合成一个矩阵就是仿射变换矩阵 image.png
  • 最后一个矩阵是根据前3个矩阵相乘得到,故为得到最终的放射变换矩阵,需要知道 Tx,Ty,Sx,Sy,θ这5个参数。为得到5个参数至少需要5个不同等式。
  • 故此我们得出结论最少5个点我们就可以推到出最终的放射变换矩阵。
  • 那为什么是9点标定呢?答案是为了提高精度,通过9个点我们可以有N种组合算出结果,基于这些结果我们求类似于平均值的东西提高精度
  • 那为什么不是10个,11个或更多点呢?答案是9个点的计算已经基本满足大家对精度的要求了,如π=3.1415926已经满足计算精度了,就没必要再把π计算到小数点后100位了

3. 怎么实现9点标定呢?

  • 拿到9个相机点位[C1,C2…C9],同时拿到这9个点对应的机械手或龙门架真实坐标[R1,R2…R9]
  • 把上面数据套入halcon的vector_to_hom_mat2d算子,就可以得到放射变换矩阵了
*像素坐标 Row1:=[1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6] Column1:=[1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3]  *机械坐标 Row2:=[50,51.999,54.999,56.999,59.999,62.996,-4.999,-3,0,1.999,4.999,7.995,-59.998,-57.001,-55.001,-52.001,-49.003,-45.005] Column2:=[-93.3,-47.299,0.002,45.499,91.498,135.493,-92.301,-44.3,0,46.999,91.497,135.494,-90.297,-44.297,1.003,46.999,91.497,134.494]  *求解放射变换矩阵 vector_to_hom_mat2d (Row1, Column1, Row2, Column2, HomMat2D)  *保存变换矩阵到HomMat2D.mat中 serialize_hom_mat2d (HomMat2D, SerializedItemHandle) open_file ('HomMat2D.mat', 'output_binary', FileHandle)  fwrite_serialized_item (FileHandle, SerializedItemHandle)  close_file (FileHandle) 

4. 传统的9点标定工具怎么做?

  • 求解9点工具的难点在于怎么得到相机拍照点C1对应的真实坐标R1?
  • 传统的作法是在机械手或龙门架的执行端下挂一个针尖。让龙门架/机械手到达标定板的点位1使针尖与点位1中心重合,记录真实位置,同时通过拍照得出点位1的相机坐标

5. 还有没有更方便的9点标定工具?其原理是什么?

  • 有,其核心原理是取消针尖,通过旋转180度方式求解出相机坐标点C1
  • 如机械手在物理点位R1(Rx,Ry)拍照的到此mark点对应的相机坐标C1(Cx1,Cy1),然后让机械手旋转180度再次拍照的到mark点对应相机坐标C2(Cx2,Cy2)。那么物理点R1(Rx,Ry)对应的相机的点位未C1,C2的中心点。 因为物料点围绕自己旋转真实点位并未发生变化。
  • 通过这种方法就可以实现自动化的9点标定工具

6. ### 此工具适用范围

  • 此工具只适用于固定相机(眼在手外)的标定,如底部相机,顶部固定相机。
  • 对于相机随龙门架/机械手移动(眼在手上)的标定请听下回分解

7. 源码

image.png

         private Position updatePoiMatrix(Position pcbPoi, Position dstPoi)         {             //到上一个放pcb的点位             this.currentRobot.GoToPosition(pcbPoi);             this.currentCylinder.Open();             //到达待测量的点位             this.currentRobot.GoToPosition(dstPoi);             this.currentRobot.GoToPosition(dstPoi);             //放板             this.currentCylinder.Close();             Thread.Sleep(600);             Position pUp = dstPoi.Copy();             pUp.Z = this.currentRobot.GetSafeZ();             this.currentRobot.GoToPosition(pUp);             //到达安全点位              this.currentRobot.GoToPosition(safePoi);             //拍照获取mark点             Position poi1 = this.getMarkPoi();             this.currentRobot.GoToPosition(dstPoi);             //打开             this.currentCylinder.Open();             //先上升一定的高度再旋转             Position dstPoi2 = dstPoi.Copy();             dstPoi2.Z = this.currentRobot.GetSafeZ();             this.currentRobot.GoToPosition(dstPoi2);             //旋转180度             if (dstPoi2.U > 90)             {                 dstPoi2.U -= 180;             }             else if (dstPoi2.U < -90)             {                 dstPoi2.U += 180;             }             else             {                 dstPoi2.U += 180;             }             this.currentRobot.GoToPosition(dstPoi2);             dstPoi2.Z = dstPoi.Z;             this.currentRobot.GoToPosition(dstPoi2);             //放板             this.currentCylinder.Close();             Thread.Sleep(600);             //到达安全点位              this.currentRobot.GoToPosition(safePoi);             //拍照获取mark2点             Position poi2 = this.getMarkPoi();             //更新对应的数组             imagePoiList.Add(new Position() { X = (poi1.X + poi2.X) / 2, Y = (poi1.Y + poi2.Y) / 2 });             robotPoiList.Add(dstPoi2.Copy());             //返回取PCB的最新位置             return dstPoi2;         }          public void SaveMat(List<Position> imageList, List<Position> robotPoiList, string path)         {             HTuple imageXList = new HTuple(), imageYList = new HTuple();             HTuple robotXList = new HTuple(), robotYList = new HTuple();              for (int i = 0; i < imageList.Count; i++)             {                 imageXList[i] = imageList[i].X;                 imageYList[i] = imageList[i].Y;                 robotXList[i] = robotPoiList[i].X;                 robotYList[i] = robotPoiList[i].Y;             }              HTuple hv_HomMat2D = new HTuple(), hv_SerializedItemHandle = new HTuple();             HTuple hv_FileHandle = new HTuple();             ////标定             hv_HomMat2D.Dispose();             HOperatorSet.VectorToHomMat2d(imageXList, imageYList, robotXList, robotYList, out hv_HomMat2D);              //保存变换矩阵             hv_SerializedItemHandle.Dispose();             HOperatorSet.SerializeHomMat2d(hv_HomMat2D, out hv_SerializedItemHandle);             hv_FileHandle.Dispose();             HOperatorSet.OpenFile(path, "output_binary", out hv_FileHandle);             HOperatorSet.FwriteSerializedItem(hv_FileHandle, hv_SerializedItemHandle);             HOperatorSet.CloseFile(hv_FileHandle);              imageXList.Dispose();             imageYList.Dispose();             robotXList.Dispose();             robotYList.Dispose();             hv_HomMat2D.Dispose();             hv_SerializedItemHandle.Dispose();             hv_FileHandle.Dispose();         } 

商匡云商
Logo
注册新帐户
对比商品
  • 合计 (0)
对比
0
购物车