新闻详情

新闻详情

首页 / 资讯中心 / 详情

05-手眼标定完整实操:棋盘格标定+参数求解

发布时间:2026/11/9 14:33:36来源:尧图网络
05-手眼标定完整实操:棋盘格标定+参数求解
手眼标定完整实操:棋盘格标定+参数求解作者:黒漂技术佬理论篇讲完了 AX=XB,这篇是动手篇——从零开始跑一遍完整的手眼标定流程。棋盘格怎么拍、角点怎么提、矩阵怎么求、结果怎么验,一步一步来,附完整代码。一、标定准备工作1.1 硬件清单机械臂:任意六轴机械臂,能读取末端位姿(TCP 坐标)即可相机:工业相机或 RGB-D 相机(本文以普通 USB 工业相机为例)标定板:棋盘格标定板(Chessboard),推荐尺寸:格子数 9×6,每格边长 25mm(打印贴在硬板上)为什么用棋盘格?因为棋盘格的角点检测算法成熟(OpenCV 内置findChessboardCorners),精度高且稳定。圆点阵列标定板也行,但棋盘格更通用。1.2 标定板制作要点标定板必须平整!这是新手最容易忽略的问题。打印在普通 A4 纸上会翘边,精度直接崩。正确做法:打印棋盘格图案,贴在 5mm 厚的铝板或亚克力板上确保纸张完全贴合,无气泡、无褶皱格子边长用游标卡尺校准,记录精确值(如 24.8mm 就写 24.8,别写 25)1.3 软件环境pipinstallopencv-python numpy scipy matplotlib二、步骤一:相机内参标定(张正友标定法)手眼标定之前,必须先标定相机内参。因为后面用solvePnP求标定板位姿时需要内参。2.1 原理简述张正友标定法的核心思路:拍多张不同角度的棋盘格照片,利用棋盘格角点的已知 3D 坐标和检测到的 2D 像素坐标,建立约束方程组,求解内参矩阵和畸变系数。2.2 采集标定图片把棋盘格放在相机前方,变换不同角度拍摄15~20 张照片。覆盖条件:标定板占画面 30%~80% 面积旋转角度覆盖左右倾斜 ±30°、上下倾斜 ±30°、平面内旋转 ±45°深度覆盖工作距离范围(如 0.3m~1.0m 各拍几张)importcv2importnumpyasnpimportglob# 棋盘格参数CHESSBOARD_SIZE=(9,6)# 内角点数(不是格子数!9x6格子的内角点是8x5)SQUARE_SIZE=24.8# 每格边长 mm(用卡尺量过的实际值)# 准备标定板的 3D 世界坐标点(Z=0 平面)objp=np.zeros((CHESSBOARD_SIZE[0]*CHESSBOARD_SIZE[1],3),np.float32)objp[:,:2]=np.mgrid[0:CHESSBOARD_SIZE[0],0:CHESSBOARD_SIZE[1]].T.reshape(-1,2)objp*=SQUARE_SIZE objpoints=[]# 3D 世界坐标imgpoints=[]# 2D 像素坐标images=glob.glob('calib_images/*.jpg')forfnameinimages:img=cv2.imread(fname)gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 检测棋盘格角点ret,corners=cv2.findChessboardCorners(gray,CHESSBOARD_SIZE,cv2.CALIB_CB_ADAPTIVE_THRESH+cv2.CALIB_CB_NORMALIZE_IMAGE)ifret:# 亚像素精化(提升角点精度)corners2=cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,30,0.001))objpoints.append(objp)imgpoints.append(corners2)# 求解内参ret,mtx,dist,rvecs,tvecs=cv2.calibrateCamera(objpoints,imgpoints,gray.shape[::-1],None,None)print(f"标定 RMS 误差:{ret:.4f}像素")print(f"内参矩阵:\n{mtx}")print(f"畸变系数:{dist.ravel()}")# 保存内参np.savez('camera_intrinsics.npz',camera_matrix=mtx,dist_coeffs=dist)2.3 内参标定质量检查标定完成后,RMS 重投影误差是判断质量的第一指标:RMS 误差质量评价是否可用 0.5 像素优秀完全可用0.5~1.0 像素良好可用1.0~2.0 像素一般勉强可用,建议重标 2.0 像素差不可用,必须重标如果误差大,常见原因:标定板不平、图片数量不够、角点检测有误、光照不均导致角点提取错误。三、步骤二:机械臂运动到多个位姿拍照这一步采集手眼标定数据。以眼在手上为例。3.1 位姿规划规划 10~15 个不同位姿,确保旋转分散。示例位姿规划:# 预设的机械臂位姿列表(位置xyz单位mm,旋转rpy单位度)poses=[# [x, y, z, rx, ry, rz][350,0,300,0,0,0],# 正俯视[350,50,300,0,0,30],# 平面内旋转30°[350,-50,300,0,0,-30],# 平面内旋转-30°[350,0,280,20,0,0],# 绕X轴倾斜20°[350,0,280,-20,0,0],# 绕X轴倾斜-20°[350,0,280,0,20,0],# 绕Y轴倾斜20°[350,
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/8 22:42:07

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/9 8:37:19

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/8 22:41:24

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉