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

  • 一、TCP标定误差优化
    • 1、注意标定针摆放范围
    • 2、TCP标定时的点次态与工作姿态尽可能保持相近
  • 二、深度相机对齐矩阵误差
    • 1、手动计算对齐矩阵
  • 三、拍照姿态
    • 1、TCP标定姿态优先
    • 2、水平放置棋盘格优先

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)

在这里插入图片描述

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。
在这里插入图片描述
在这里插入图片描述

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,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、拍照姿态

1、TCP标定姿态优先

拍照姿态尽可能与做TCP标定时的姿态保持一致,如果相机无法拍到棋盘格,则将棋盘格倾斜放置。倾斜角度慢慢调整,直到焊枪接近TCP姿态且相机可以拍到棋盘格为最佳。

2、水平放置棋盘格优先

倾斜棋盘格一般只能让相机朝XY平面方向上的一个固定范围方向,并不能绕Z轴拍一圈,所以有局限性。所以可水平放置棋盘格,增加拍照次数:让相机调整至可拍到整个棋盘格的高度,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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/255005.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【三维重建】多频外差相位展开(C++实现)

在结构光三维重建中,通过相移法求解出来的相位是包裹相位(在 [-π/2,π/2] 间成周期性 ) 我们想要用相位找到相机与投影仪间的对应像素,就需要进行相位展开,确保每一行的相位值是唯一的。 多频外差是相位…

vue+echarts实现桑吉图的效果

前言: 在我们项目使用图形的情况下,桑吉图算是冷门的图形了,但是它可以实现我们对多级数据之间数据流向更好的展示的需求,比如,我们实际数据流向中,具有1对多,多对多的情况下,如果用…

【Hive】——概述

1 什么是Hive 2 Hive 优点 3 Hive和Hadoop 的关系 4 映射信息记录 5 SQL语法解析、编译 Hive能将一个文件映射成为一张表,文件和表之间的关系称为映射 Hive的功能职责是将SQL语法解析编译成为MapReduce 6 Hive 架构 6.1 分析 6.2 架构图 6.3 用户接口 6.4 元数据存…

多向通信----多人聊天

package 多人聊天; import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStream; import java.io.PrintStream; import java.net.ServerSocket; import java.net.Socket; import java.util.ArrayList; publ…

【分享】拖拽式表单的优点有哪些?

如果说想要提升办公效率,那么就可以试试拖拽式表单了。它拥有可视化、拖拽式操作、易维护等优势,可以在现代化办公操作中帮助企业节省人工成本费用,提高办公效率,真正实现办公流程化应用,让数字化转型升级的梦想早日实…

dtaidistance笔记:dtw_ndim (高维时间序列之间的DTW)

1 数据 第一个维度是sequence的index,每一行是多个元素(表示这一时刻的record) from dtaidistance.dtw_ndim import *s1 np.array([[0, 0],[0, 1],[2, 1],[0, 1],[0, 0]], dtypenp.double) s2 np.array([[0, 0],[2, 1],[0, 1],[0, .5],[0…

1688API接口系列,商品详情数据丨搜索商品列表丨商家订单类丨1688开放平台接口使用方案

1688商品详情接口是指1688平台提供的API接口,用于获取商品详情信息。通过该接口,您可以获取到商品的详细信息,包括商品标题、价格、库存、描述、图片等。 要使用1688商品详情接口,您需要先申请1688的API权限,并获取ac…

烈酒行业分析:预计2029年将达到17628亿元

近年来,随着国民经济的增长和消费能力的不断增强,烈酒的需求也在上涨。虽然广东是烈酒主要的消费市场,但由于疫情的影响,线上消费越来越多,年轻人逐渐成为酒水消费的主力军,线上洋酒销量增速迅猛&#xff0…

查看Linux的Ubuntu的版本

我的Ubuntu版本是 Jammy x86_64,即 Ubuntu 22.04.3 LTS,代号为"Jammy Jellyfish",架构是 x86_64(64位)。

PPOCRv3检测模型和识别模型的训练和推理

PPOCRv3检测模型和识别模型的训练和推理 文章目录 PPOCRv3检测模型和识别模型的训练和推理前言一、环境安装1,官方推荐环境:2,本机GPU环境 二、Conda虚拟环境1.Win10安装Anaconda32.使用conda创建虚拟环境 三、安装PPOCR环境1,安装…

机器学习应用 | 使用 MATLAB 进行异常检测(下)

在使用MATLAB 进行异常检测(上)中,我们探讨了什么是异常值,简单的一维数据异常检测问题,针对高维数据的有监督异常检测方法。 在(下)篇中,我们将和大家一起探讨无监督异常检测。 没…

Android 背景边框集合

效果图 代码 <?xml version"1.0" encoding"utf-8"?> <shape xmlns:android"http://schemas.android.com/apk/res/android" android:shape"rectangle"><solid android:color"#ffffff" /><stroke and…