接上篇。本篇讨论下面的话题：二是绕着特征点旋转，验证特征点的像素偏差，或者是转换后的机械坐标的偏差。三是做放料测试，验证实际的放料精度下面是采用特殊算法标定成功后的数据。后面主要谈谈怎么用旋转特征点的方式验证标定后的精度。因为手眼标定是把视觉像素换算成机器人的机械坐标，而本算法的原理是：把工具坐标1做到特征点上，然后走4组位置，记录4组像素与机械坐标，最后调用halcon的标定函数。因此对于这种标定方式来说，验证工具坐标1是否可靠就是关键地。而验证方法就是围绕特征点进行旋转，理论上来说围绕工具坐
形态模板的定义与查找是工业视觉里最基本的常用操作。下面勇哥提供一个例子。下图是定义形态模板，并且显示模板轮廓。换一张不同姿式的图片，查找模板，并显示模板轮廓、ROI、中心点。dev_set_draw ('margin')
dev_set_color('green')
dev_close_window()
dev_open_window(0, 0, 512, 382, 'black',
手眼标定之9点法2019-07-23 20:10:40
写在前面由于涉及到公司的一些内容，本文仅做方法和思路记录，请见谅。用途9点法标定是工业上使用广泛的二维手眼标定，所谓二维，即工作平面限制在一个平面上，常用于从固定平面抓取对象进行装配等操作，这种应用场景可以满足大多数的工业应用场景。使用过程和一般的手眼标定一样的是，9点法标定也分eye_in_hand和eye_to_hand两种，标定的结果分别是相机坐标系与工具坐标系的转换矩阵（4*4），以及相机坐标系和工件坐标系的转换矩阵。以下以eye_in_hand为例：机器人手持相机在平行于工作平面的平面
手眼标定的两种方式2019-07-23 20:01:58
最近在学习手眼标定，做下笔记，和大家分享下学习经历：一 手眼标定的两种情形首先讲一下在工业应用中，手和眼（摄像机）的两种位置关系，第一种是将摄像机（眼）固定在机械手（手）上面，眼随手移动；第二种是摄像机（眼）和机械手（手）分离，眼的位置相对于手是固定的，下面用网上的两张图来说明下：第一种情况：相机移动第二种情况：相机固定从上面两副示意图可以看出，第一种情况中我们要求的是相机坐标系和机械手坐标系的转化关系；第二种情况中要求的是相机坐标系和基础坐标系的关系；下面分别阐述其求解过程。二 相机移动时，标
手眼标定涉及的坐标系有：工件坐标系工具坐标系相机坐标系（相机坐标系里又有图像坐标系和像素坐标系，这其实就是前面讲的单目标定的内容）基坐标系手眼标定一般有两种形式：1、相机固定（eye-to-hand）我们需要的最终结果，即得到base 与 cam 的空间位置关系，即一个4*4的变换矩阵。这个可以通过移动tool带着标定板移动到相机下方不同位置角度，由相机多次拍摄标定板来计算得到。有些相机虽然固定在机械手上，但如果相机每次拍摄时都回到标定时的固定位置拍摄，这还是属于eye-to-hand模式，即相
关于机器人视觉的手眼标定的原理，勇哥先放上一些教程资源：工业现场相机坐标系和机械手坐标系的标定halcon之手眼标定基本原理手眼标定的两种方式手眼标定之9点法众所周知，目前机器视觉项目，很大一部分都是引导机器人去取料 放料等工作。 这个里面就有个非常重要的工作要做。就是将相机的坐标系 映射到机器人坐标系里面，这样才可以实现视觉配合机器人动作。 通常这种标定使用有多点标定法（俗称九宫格标定法）可以实现将相机坐标系映射到机器人坐标系里面。在康耐视软件中九宫格算法的结果