手眼标定 - 最终精度和误差优化心得

手眼标定 - 标定误差优化项

为减少最终手眼标定的误差,可做或注意以下步骤(环节)。

一、TCP标定误差优化

1、注意标定针摆放范围

如:在实际焊接、码垛等工作时,机械臂的工作范围或摆动范围主要集中在X轴的[150mm , 1500mm]范围,Y轴的[-150mm , 350mm]范围,Z轴的[-200mm , 600mm]范围,那么在做TCP时,应将标定针(或标定点)摆放在X =(150 + 1500)/ 2 = 825mm 左右的位置,而不宜摆放在过于靠近最小值和最大值的附近。(Y轴和Z轴计算方式同理)

2、TCP标定时的点次态与工作姿态尽可能保持相近

如:实际焊接时枪头与XY平面的夹角在[30-50]°之间,焊接的方向一般指向+X+Y、+X-Y、-X+Y、-X-Y,那么做TCP时的点位也应该与焊接时的姿态、夹角保持一致或相近。

二、深度相机对齐矩阵误差

1、手动计算对齐矩阵

市面上常见的深度相机一般有彩色点云和非彩色点云(深度点云),彩色点云和深度点云之间一般有对齐矩阵,该矩阵可通过上位机获取,但一般都不够精准。尽量自己计算。

方法: 同一位置下,分别进行彩色点云和深度点云拍照,然后将两点云进行配准(配准算法可使用Open3D或PCL可提供的接口),获取最终的配准矩阵,即我们自己计算出的对齐矩阵。然后重复N次,计算对齐矩阵的平均值(N越大,对齐矩阵精度越高)。

三、手眼标定拍照姿态

1、TCP标定姿态优先

手眼标定时,处于拍照姿态时此时的工具的姿态(本文指的是:工具向量与机器人坐标系下的XY平面的夹角)尽可能与做TCP标定时(工具向量与机器人坐标系下的XY平面的夹角)的姿态保持一致(或相近),如果在该姿态下相机无法拍到棋盘格,则可将棋盘格倾斜放置。倾斜角度慢慢调整,直到工具姿态接近TCP姿态且相机可以拍到棋盘格为最佳。
局限性: 如果相机精度不是很高,得通过增加拍照次数的方式减少手眼误差,则该方案可能有局限性,因为棋盘格斜立摆放拍照姿态会受到限制,一般只能让相机朝XY平面方向上的一个固定范围方向,不能绕Z轴拍照360°,所以最终的手眼矩阵不具有可靠的全方位都可用的最佳效果!

2、水平放置棋盘格优先

水平放置棋盘格方法,该方法可显著增加拍照次数:拍照姿态一般让相机Z轴与棋盘格平面法向量夹角处于0°-25°范围(夹角过大亦会影响手眼矩阵精度),让相机调整至可拍到整个棋盘格的位置,然后绕Z轴360°都拍下,精度差的相机拍照次数最好在大几十次甚至100次以上,而精度高的工业相机配合精度高的机器人手眼拍照次数可控制在10次以下。

相关推荐
Blossom.1187 小时前
使用Python实现简单的人工智能聊天机器人
开发语言·人工智能·python·低代码·数据挖掘·机器人·云计算
硅谷秋水10 小时前
学习以任务为中心的潜动作,随地采取行动
人工智能·深度学习·计算机视觉·语言模型·机器人
虹科智能自动化11 小时前
虹科应用 | 探索PCAN卡与医疗机器人的革命性结合
机器人·工业4.0·pcan
MocapLeader16 小时前
VR和眼动控制集群机器人的方法
目标跟踪·机器人·人机交互·vr·虚拟现实·多机器人协同
FL1717131417 小时前
MATLAB机器人系统工具箱中的loadrobot和importrobot
人工智能·matlab·机器人
sy_cora19 小时前
IEEE 列表会议第五届机器人、自动化与智能控制国际会议
运维·人工智能·机器人·自动化
遨博学院21 小时前
机器人示教操作
机器人
wzf@robotics_notes1 天前
PCL PolygonMesh 与 TextureMesh 源码阅读与简单测试
图像处理·计算机视觉·机器人
展览会——1 天前
2025第9届中国重庆机器人展8月举办
机器人
QQ2740287561 天前
Kite AI 自动机器人部署教程
linux·运维·服务器·人工智能·机器人·web3