单相机标定的目的是完成像素坐标到世界坐标之间在的转换。使用halcon标定助手完成的即是单相机标定。程序运行后，载入10张标定板文件，最后用calibrate_cameras算子执行标定。这一步相当于标定向导中载入十标定板图片，最后点击标定按钮。有关halcon标定向导的标定说明见勇哥的另一篇贴子《勇哥的视觉实验：halcon的标定助手》。标定完成后，接下来进行测量。先测量标定版外框之间的宽度，你可能注意到它的值是3.992cm，这个值明显不对。因为照片中人托着标定板，少说也有半米宽是不是？其实
上一个博文说了一种手眼标定系统的特殊情况，就是相机随着机械手一起移动的情况。虽然前面简单介绍了一种办法，就是每次拍照时让相机回到之前标定的位置，但是这样处理机器人的工作效率就会大大降低，产生很多重复动作，所以这篇博文就来讲一种更简单的标定方案。下面是halcon官方给的手眼标定系统的案例代码。这个例子主要应用于相机固定在机械手末端的手眼系统中，而且标定板相对于机器人也是静止的。在这种情况下，手眼校准的目标是确定两个未知姿势：校准对象（CalObjInBasePose）的坐标系中机器人基座的姿态。
最近在做的项目有用到手眼标定，是关于两个康耐视工业相机和爱普生SCARA机器人之间的手眼标定，相机是固定安装，属于Eye-to-hand固定方式。考虑到halcon中用于标定的算子和实例都比较丰富，并且halcon作为一款商用的视觉与图像处理软件，其可靠性、精度等都是opencv所不能比的。此次所用到的标定实例是calibrate_hand_eye_scara_stationary_cam，在研究这个实例的过程中发现，整个手眼标定的过程大致可以分为两个大的步骤，首先是粗略求解，然后是
*该例程说明了怎样给SCARA机器人做手眼标定。这种情况下，相机相对与机械臂而言是固定安装的，所以能探测到机械臂的整个工作控件范围。用于标定的标定板是固定安装在机械臂的末端工具上。最后，标定结果和用于确定要被抓取的物体的位置的数据都保存到了本地文件中。在例程pick_and_place_scara_stationary_cam.hdev程序中有被使用到。*提供校准板的描述文件和先前校准过的摄像机的摄像机参数*首先是要提供标定板的描述文件和相机的内参，这两个步骤需要事先进行操作完成CalibObj
需要指出的是，HALCON中有两种标定板，create_caltab函数创建的标定板如下图所示它是一种蜂窝标定板。用默认的参数生成这种标定板的代码如下：create_caltab (27, 31, 0.00258065, [13,6,6,20,20], [15,6,24,6,24],
'light_on_dark', 'calplate.cpd', 'calplate.ps
（一）实验器材准备说明（1）相机型号：MV-EM500M这个相机品牌是维视智造，500万像素，GigE接口。通过官方网站，查到它的基础信息如下：（2）标定板实验型号： HG-40-9X9-4.0-2.0-3.0这型号中的HG不知道啥意思， 40指的是矩形外边之间长宽是40mm。9X9指的是里面的圆形数量是9*9个。后面的4.0-2.0-3.0不知道啥意思。不过这个标定板的厚度是3mm。勇哥这块标定板是玻璃光刻的，精度比较高，精度可为+-1um。具体的标定板的选型知识请参考勇哥的另一篇贴子介绍《h
OCR（Optical Character Recongnition）即我们通常意义上讲的光学字符识别。在HALCON中，OCR常被用来分割区域及读取识别图像中的字符含义。HALCON中提供了一组预先训练好的字体（在安装目录下的ocr文件夹中），这些字体来源于各个领域的大量训练数据，可识别文档、制药、工业产品或点打印，甚至手写数字文本。此外，HALCON还包括用于OCR-A和OCR-N的预训练字体，以及基于卷积神经网络（CNN）的通用字体。18.1 OCR字符识别 &n
今天有个网友问到这个add_metrology_object_line_measure算子没有角度参数，怎么做roi跟随。勇哥网站上搜索了一下，还真没有写过这样的贴子，因此制作了一个小例子，给有需要的朋友参考。代码比较简单。用了形态模板匹配来定位roi位置。第一张图用来定义了模板。中间那几个变量 a,b,c,d,e,f,g,h是roi四个边的顶点。那一部分代码实际上的作用是：已知rectangle2的中心坐标与length1,length2，求出rectangle2的四个顶点坐标位置，这里用了三
* This example demonstrates the functionality of segment_image_mser.
*
* Create artificial example image.
create_example_image (Image)
*
dev_update_off ()
dev_close_wi
segment_image_mser(Image : MSERDark, MSERLight : Polarity, MinArea, MaxArea, Delta, GenParamName, GenParamValue : )segment_image_mser使用最大稳定极值区域(MSER)方法将图像分割成灰度值均匀的区域。分割过程通过观察周围的局部区域来判断一个区域是否是均匀的。因此，该算子特别适用于非均匀背景下的鲁棒分割对象或光照变化的应用。参数：PolarityPolarity决定了