手眼标定的问题
===============================
本教程旨在描述手眼标定解决的问题,以及介绍手眼标定所需的机器人位姿和坐标系。eye-to-hand系统和eye-in-hand系统的问题是相同的。因此,我们将首先对eye-to-hand配置进行说明,然后我们将描述eye-in-hand配置与之的区别。
Eye-to-hand
-----------------------------
机器人如何抓取物体?
.. list-table::
:widths: 20 20
* - 让我们从一个不涉及到相机的机器人开始。
它有两个主要的坐标系:
1. 机器人基坐标系
2. 末端执行器坐标系
- .. image:: images/tohand.png
:scale: 40%
* - 为了能够抓取一个物体,机器人控制器需要知道物体相对于
机器人基坐标系的姿势(位置和方向),同时还需要了解
机器人的几何形状和尺寸。将这两种信息结合起来足以计算
出将末端执行器/夹持器移动到物体附近所需的关节角度。
- .. image:: images/tohand1.png
:scale: 40%
* - 假如物体相对于机器人的位姿是未知的,那么这就是
DaoAI 3D视觉发挥作用的地方了。
- .. image:: images/tohand2.png
:scale: 40%
DaoAI点云是相对于DaoAI相机的坐标系给出的。在这个坐标系中,原点固定在DaoAI成像镜头的中央(内部2D相机)。机器视觉软件可以在这些数据点的集合上运行检测和定位算法。它可以确定物体在DaoAI相机的坐标系中的姿势。这个信息对于实现精确定位和抓取物体非常重要 (|1|).
.. image:: images/together.png
:scale: 60%
.. list-table::
:widths: 20 20
* - DaoAI相机现在可以在其视野范围内看到物体,但是物体的坐标是
相对于相机自己的坐标系的。为了让机器人能够抓取物体,必须将
物体的坐标从相机坐标系转换到机器人基坐标系。这个坐标变换是
为了确保机器人能够准确地定位和抓取物体,因为机器人的动作是
相对于机器人基坐标系的。这个过程通常涉及到手眼校准,以确保
正确的坐标转换和物体定位。
- .. image:: images/tohand3.png
:scale: 40%
* - 实现这一目标的坐标转换是手眼校准的结果。对于手到眼系统,
手眼校准估计的是相机相对于机器人基座的姿势。这个姿势估
计允许我们将相机坐标系中的物体姿势转换为机器人基坐标系
中的姿势,从而使机器人能够精确定位和抓取物体。手眼校准
是实现视觉引导机器人精确操作的重要步骤。 ( |2| ).
位姿关联完成后,就可以通过关联圈中的任意一种位姿数据
计算出另一姿势 I这可以通过将相机相对于机器人的姿势与
物体相对于相机的姿势进行后置乘法运算来实现:
|3|
- .. image:: images/tohand4.png
:scale: 40%
Eye-in-hand
--------------------------
How 机器人如何拾取物体?
.. list-table::
:widths: 20 20
* - DaoAI相机现在可以在其视野范围内看到物体,但是物体
的坐标是相对于相机自己的坐标系的。为了使机器人能够
抓取物体,必须将物体的坐标从相机坐标系转换到机器人
基坐标系。这个坐标转换是为了确保机器人能够准确地
定位和抓取物体,因为机器人的动作是相对于机器人基坐
标系的。这个过程通常涉及到手眼校准,以确保正确的坐标
转换和物体定位。
- .. image:: images/inhand.png
:scale: 40%
* - 在这种情况下,坐标转换是间接完成的: |4|
末端执行器相对于机器人基座的姿势(|5|)是已知的,
并由机器人控制器提供。相机相对于末端执行器的姿势
(|6|)在这种情况下是恒定的,是通过手眼校准估计得到的。
- .. image:: images/inhand1.png
:scale: 40%
现在我们已经定义了手眼标定的问题,让我们看看 :ref:`手眼标定解决方案.`.
.. |1| raw:: html
.. |2| raw:: html
.. |3| raw:: html
.. |4| raw:: html
.. |6| raw:: html
.. |5| raw:: html