手眼标定之已知同名点对,求解转换RT,备份记录

机器人手眼标定,往往需要获取相机和机器人末端工具和相机坐标系的转换关系,此处只介绍一种眼在手外,3D相机的解算方法

前提条件

获取到机器人工具坐标系下和3D相机坐标系下的同名点

方法:

1.可以自动获取,通过放固定模型的靶标,识别靶标中心点一类的,如小圆柱体顶面圆心

2.手动拾取,关联2D和3D相机像素和深度,直接在图像上拾取平面位置和深度

求解转换关系

公式可以完成参考这篇文章,人家写的很好,而且另一篇有严密推导,似懂非懂,我直接借用公式了

转载:https://blog.csdn.net/u012836279/article/details/80203170

这篇文章是拿python写的,我不会用,我用C++复现和测试一下
基本原理和公式贴一下图

去中心化,如果两组点是同名点,去中心化后应该只有旋转变换了,先求旋转在算偏移

1.计算重心,即XYZ求均值即可

2.去中心化,即每个点减去重心

3.构建协方差矩阵

4.SVD分解,SVD分解后R = VUT

  1. 求平移量,用俩重心算

贴上C++代码验证一下

我找了三组数据,都是先找的点,在3D软件中,任意做了旋转平移刚性变换,数据抄出来使用的,算是能验证精度了,当前可以适当更改一下加点误差,看看算出来误差和坐标还准不准

cpp 复制代码
#include <Eigen/Dense>
#include <Eigen/SVD>
#include <iostream>
#include <vector>

Eigen::Vector3d CalculateCenxyz(Eigen::MatrixXd xyzvec)
{
	double xsum = 0;
	double ysum = 0;
	double zsum = 0;
	int num = xyzvec.rows();
	for (int i = 0; i < num; i++) 
	{
		xsum += xyzvec(i,0);
		ysum += xyzvec(i,1);
		zsum += xyzvec(i,2);
	}
	return Eigen::Vector3d(xsum / num, ysum / num, zsum / num);
}
Eigen::MatrixXd CalculateSubCenxyz(Eigen::MatrixXd xyzvec, Eigen::Vector3d cenxyz) {
	int num = xyzvec.rows();
	Eigen::MatrixXd out;
	out.resize(num, 3);
	for (int i = 0; i < num; i++) {
		out(i, 0) = xyzvec(i, 0) - cenxyz[0];
		out(i, 1) = xyzvec(i, 1) - cenxyz[1];
		out(i, 2) = xyzvec(i, 2) - cenxyz[2];
	}
	return out;
}
float CalculateRT(std::vector<Eigen::Vector3d>src, std::vector<Eigen::Vector3d>dst, Eigen::Matrix4d &RT) {
	//参数计算的格式
	Eigen::MatrixXd A, B;
	A.resize(src.size(), 3);
	B.resize(dst.size(), 3);
	for (int i = 0; i < src.size(); i++) {
		A(i, 0) = src[i][0]; A(i, 1) = src[i][1]; A(i, 2) = src[i][2];
	}
	for (int i = 0; i < dst.size(); i++) {
		B(i, 0) = dst[i][0]; B(i, 1) = dst[i][1]; B(i, 2) = dst[i][2];
	}
	if (src.size() != dst.size())
	{
		return -1;
	}
	const int N = src.size(); // 点数
	const int d = 3; // 维度
					 //计算质心点
	Eigen::Vector3d srccenxyz, dstcenxyz;
	srccenxyz = CalculateCenxyz(A);
	dstcenxyz = CalculateCenxyz(B);
	//去中心化
	Eigen::MatrixXd srccentered = CalculateSubCenxyz(A, srccenxyz);
	Eigen::MatrixXd dstcentered = CalculateSubCenxyz(B, dstcenxyz);
	//构建协方差矩阵
	Eigen::MatrixXd H = srccentered.transpose() * dstcentered;
	//对H进行SVD分解
	Eigen::JacobiSVD<Eigen::MatrixXd> svd(H, Eigen::ComputeFullU | Eigen::ComputeFullV);
	//计算旋转矩阵R (使用SVD结果)
	Eigen::MatrixXd R = svd.matrixV() * svd.matrixU().transpose();
	// 确保旋转矩阵的行列式为+1 (避免反射)
	if (R.determinant() < 0) {
		Eigen::MatrixXd V = svd.matrixV();
		V.col(3 - 1) *= -1; // 将最后一列取反
		R = V * svd.matrixU().transpose();
	}
	//计算平移矩阵
	Eigen::Vector3d t = dstcenxyz - R * srccenxyz;
	// 8. 计算变换后的点集
	Eigen::MatrixXd A_transformed = (A * R.transpose()).rowwise() + t.transpose();
	std::cout << "变换后的点集A:\n" << A_transformed << "\n\n";
	std::cout << "原始点集B:\n" << B << "\n\n";
	// 9. 计算变换误差
	Eigen::MatrixXd error = B - A_transformed;
	double rmse = sqrt(error.array().square().sum() / (N * d));

	RT(0, 0) = R(0, 0); RT(0, 1) = R(0, 1); RT(0, 2) = R(0, 2); RT(0, 3) = t[0];
	RT(1, 0) = R(1, 0); RT(1, 1) = R(1, 1); RT(1, 2) = R(1, 2); RT(1, 3) = t[1];
	RT(2, 0) = R(2, 0); RT(2, 1) = R(2, 1); RT(2, 2) = R(2, 2); RT(2, 3) = t[2];
	RT(3, 0) = 0; RT(3, 1) = 0; RT(3, 2) = 0; RT(3, 3) = 1;

	return rmse;
}
int main() {
	//外部做接口做成这个Eigen::Vector3d格式
	std::vector<Eigen::Vector3d>src,dst;
	src.push_back(Eigen::Vector3d(-307.233, -265.14, 930));
	src.push_back(Eigen::Vector3d(33.5072, -196.628, 974));
	src.push_back(Eigen::Vector3d(-153.525, -38.2655, 1007));
	src.push_back(Eigen::Vector3d(288.805, -167.142, 999));
	src.push_back(Eigen::Vector3d(142.261, -437.487, 912));
	src.push_back(Eigen::Vector3d(-104.493, -435.548, 896));

	dst.push_back(Eigen::Vector3d(-937.93444824 , -807.26367188, 291.15930176));
	dst.push_back(Eigen::Vector3d(-1075.77783203, -888.99725342, 602.69195557));
	dst.push_back(Eigen::Vector3d(-859.97985840 , -968.87390137, 512.13989258));
	dst.push_back(Eigen::Vector3d(-1195.63476563, -937.24676514, 826.24877930));
	dst.push_back(Eigen::Vector3d(-1307.30078125, -747.51934814, 594.59216309));
	dst.push_back(Eigen::Vector3d(-1170.11645508, -720.66943359, 390.61462402));

	/*src.push_back(Eigen::Vector3d(100, 0, 0));
	src.push_back(Eigen::Vector3d(100, 100, 100));
	src.push_back(Eigen::Vector3d(0, 100, 0));
	src.push_back(Eigen::Vector3d(0, 0, 100));

	dst.push_back(Eigen::Vector3d(-108.54067993, -37.01885223, -190.20104980));
	dst.push_back(Eigen::Vector3d(-2.08551025, -94.98533630, -117.35063171));
	dst.push_back(Eigen::Vector3d(-135.92652893, -121.73773193, -80.32509613));
	dst.push_back(Eigen::Vector3d(-83.49967957, -175.86019897, -200.00042725));*/

	//src.push_back(Eigen::Vector3d(100, 0, 1));
	//src.push_back(Eigen::Vector3d(500, 0, 5));
	//src.push_back(Eigen::Vector3d(0, 100, 3));
	//src.push_back(Eigen::Vector3d(0, 500, 4));

	//dst.push_back(Eigen::Vector3d(6040.03369141, 2504.92944336, -64.71488953));
	//dst.push_back(Eigen::Vector3d(6108.16162109, 2302.78710938, 273.68286133));
	//dst.push_back(Eigen::Vector3d(5981.70751953, 2629.77734375, -96.57476807));
	//dst.push_back(Eigen::Vector3d(5826.48486328, 2931.66308594, 115.01904297));

	Eigen::Matrix4d RT;
	float rmse = CalculateRT(src, dst, RT);
	std::cout << RT(0, 0) << " " << RT(0, 1) << " " << RT(0, 2) << " " << RT(0, 3) << std::endl;
	std::cout << RT(1, 0) << " " << RT(1, 1) << " " << RT(1, 2) << " " << RT(1, 3) << std::endl;
	std::cout << RT(2, 0) << " " << RT(2, 1) << " " << RT(2, 2) << " " << RT(2, 3) << std::endl;
	std::cout << RT(3, 0) << " " << RT(3, 1) << " " << RT(3, 2) << " " << RT(3, 3) << std::endl;

	std::cout << "rmse:" << rmse<<std::endl;

	for (int i = 0; i < src.size(); i++) {
		Eigen::Vector4d srcp(src[i][0], src[i][1], src[i][2], 1.0);
		Eigen::Vector4d dstp = RT * srcp;
		std::cout << "转换前: " << srcp[0] << " " << srcp[1] << " " << srcp[2] << std::endl;
		std::cout << "转换后: " << dstp[0] << " " << dstp[1] << " " << dstp[2] << std::endl;
	}
	return 0;
}

算出来的RT 将A应用旋转和平移后,坐标和B一致,rmse基本为0,说明是刚性变换

留下赞赞和收藏 哈哈...

相关推荐
00后程序员张15 小时前
从零构建 gRPC 跨语言通信:C++ 服务端与
开发语言·c++
爱凤的小光16 小时前
图漾相机C++语言---Sample_V1(4.X.X版本)完整参考例子(待完善)
开发语言·c++·数码相机
同元软控16 小时前
首批CCF教学案例大赛资源上线:涵盖控制仿真、算法与机器人等9大方向
算法·机器人·工业软件·mworks
BlackQid17 小时前
深入理解指针Part1——C语言
c++·c
xwz小王子17 小时前
Nature 正刊:美国麻省理工学院团队开发了多模态机器人平台加速多元素催化剂的发现与优化
机器人·团队开发
BigDark的笔记18 小时前
[温习C/C++]C++刷题技巧—字符串查找find、find_if、find_first_of和find_last_of
c++
初圣魔门首席弟子18 小时前
c++嵌套类和局部类详细介绍
java·开发语言·c++
橘子师兄18 小时前
类和对象(上)
开发语言·c++
Juan_201218 小时前
P1447题解
c++·数学·算法·题解
祁同伟.18 小时前
【C++】栈、队列、双端队列、优先级队列、仿函数
c++·容器·stl