haclon固定相机位标定

  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之间的关系只有四种平移、缩放、旋转、错切
    矩阵中有对四种关系的公式如下:
    平移矩阵公式 image.png
    缩放矩阵公式 image.png
    旋转矩阵公式 image.png
    错切矩阵公式image.png
    上面四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4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,Theta这6个参数。为得到6个参数至少需要6个不同等式,而每个点位包涵(x,y)坐标,所以每个点位可以产生2个不同等式。
    故此我们得出结论最少3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
csharp 复制代码
*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)



  1. 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
  2. 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
    精度更高的方式:可以旋转任意角度得到5个点,拟合椭圆,然后根据椭圆的圆度判断这个点是否ok
    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
    另外评估一个标定结果的精度,可以通过放一块标定板,用不同的位置来拍照定位他;理论上理论上标定板没有动,得到的位置点的误差只有标定误差
相关推荐
Dev7z2 天前
面向公共场所的吸烟行为视觉检测系统研究
人工智能·计算机视觉·视觉检测
橙露2 天前
视觉检测硬件分析
人工智能·计算机视觉·视觉检测
AI即插即用2 天前
即插即用系列 | CVPR 2025 WPFormer:用于表面缺陷检测的查询式Transformer
人工智能·深度学习·yolo·目标检测·cnn·视觉检测·transformer
AI即插即用2 天前
即插即用系列 | 2025 MambaNeXt-YOLO 炸裂登场!YOLO 激吻 Mamba,打造实时检测新霸主
人工智能·pytorch·深度学习·yolo·目标检测·计算机视觉·视觉检测
AI即插即用5 天前
即插即用系列 | 2024 SOTA LAM-YOLO : 无人机小目标检测模型
pytorch·深度学习·yolo·目标检测·计算机视觉·视觉检测·无人机
二川bro6 天前
基于PyTorch的视觉检测2025:YOLO实战与优化
pytorch·yolo·视觉检测
Techblog of HaoWANG7 天前
目标检测与跟踪 (4)- 基于YOLOv8的工业仪器仪表智能读数与状态检测算法实
人工智能·视觉检测·智能制造·yolov8·工业检测·指针式仪表·仪器仪表检测
AI即插即用9 天前
即插即用涨点系列(十四)2025 SOTA | Efficient ViM:基于“隐状态混合SSD”与“多阶段融合”的轻量级视觉 Mamba 新标杆
人工智能·pytorch·深度学习·计算机视觉·视觉检测·transformer
王哈哈^_^16 天前
【完整源码+数据集】课堂行为数据集,yolo课堂行为检测数据集 2090 张,学生课堂行为识别数据集,目标检测课堂行为识别系统实战教程
人工智能·算法·yolo·目标检测·计算机视觉·视觉检测·毕业设计
王哈哈^_^17 天前
CV三大核心任务:目标检测、图像分割、关键点检测
人工智能·算法·yolo·目标检测·计算机视觉·视觉检测