机器视觉【1】-机械臂视觉-Toy模板网

这篇具有很好参考价值的文章主要介绍了机器视觉【1】-机械臂视觉。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

根据机械臂与相机所处的相对位置关系，一般分为 Eye-to-Hand 与 Eye-in-Hand 两种视觉系统。
机器视觉【1】-机械臂视觉,机器视觉,数码相机,计算机视觉,人工智能

Eye-to-Hand

Eye-to-Hand 型机械臂视觉系统指的是相机固定安装于机械臂外，不随机械臂运动，与机械臂的基坐标系相对位置关系不变。

Eye-to-Hand 型机械臂视觉系统较为简单，其只需要对相机进行标定，即能确定相机坐标系与机械臂坐标系之间的变换关系，且因相机安装于机械臂外，不受机械臂振动等因素影响，精度能得到较好的保证。但其受限于安装位置，若要进行多次定位目标，则需要安装多台相机进行定位，大大增加了成本，若定位目标处空间狭小，无合适位置安装相机，同样也不适用。

Eye-in-Hand

Eye-in-Hand 型机械臂视觉系统则指的是相机安装在机械臂的末端执行器上，跟随末端执行器一起运动。

Eye-in-Hand 型机械臂视觉系统标定时，需要先对相机进行标定，再确定相机与机械臂末端的变换关系（即手眼标定），同时还需要对机械臂进行运动学分析，以确定相机坐标系在机械臂运动过程中的变换关系，较为复杂，但能较好地应对复杂多变的定位目标需求。

基于Eye-in-Hand型机械臂单目视觉定位

进行图像采集；以标定板图像通过相机标定与手眼标定，确定视觉系统的相机内外参数以及机械臂手眼矩阵；
对目标图像进行图像灰度化与图像滤波，去除图像的噪声，得到质量更高的处理图片；
对预处理后的一组图像进行图像匹配，基于三角测量原理，求取图像中特征点的深度信息；
对预处理后的图像进行图像轮廓提取，获取目标在图像中的位姿；
经坐标变换后确定目标在机械臂坐标系下的位姿。

单目相机标定

相机标定：根据相机成像模型求取相机的内部参数和外部参数。

针孔相机模型

相机内参矩阵

在理想的情况下，相机成像可简化为针孔成像：
机器视觉【1】-机械臂视觉,机器视觉,数码相机,计算机视觉,人工智能
点 $O$ 是相机的光心，为相机坐标系的原点；点 $O_1$ 是相机光轴与图像平面的交点，为图像平面的中心；空间中某点 $Q$ 在相机坐标系与世界坐标系的坐标分别为 $X_c,Y_c,Z_c)$ 和 $X_w,Y_w,Z_w)$ ；点 $q$ 为 $Q$ 经成像投影后所得，在图像坐标系下的坐标为 $X_u,Y_u)$ ； $f$ 为相机焦距，表示光心 $O$ 到图像平面的距离。

由相似三角形原理，可以得到:
$\begin{cases}\dfrac{X_u}{f}=\dfrac{X_c}{Z_c}\Rightarrow X_u=f\dfrac{X_c}{Z_c}\\\dfrac{Y_u}{f}=\dfrac{Y_c}{Z_c}\Rightarrow Y_u=f\dfrac{Y_c}{Z_c}\end{cases}$

通常，图像坐标系的原点不是相机光轴与图像平面的交点 $O_1$ ，而是在图像的右上角，且与成像平面还存在一个缩放变换。

设 $O_1$ 与图像坐标系原点的偏移量为 $X_0，Y_0）$ ，图像坐标系与成像平面在 X 轴与 Y 轴方向的缩放倍数分别为 $f_x$ 与 $f_y$ :
$\begin{cases}X_u=f_x \dfrac{X_c}{Z_c}+X_0\\\\Y_u=f_y \dfrac{Y_c}{Z_c}+Y_0\end{cases}$ 文章来源地址https://www.toymoban.com/news/detail-858728.html