基于ROS的机械臂手眼标定-基础使用
作者：互联网
机械臂手眼标定-基础使用
折腾了一段时间的机械臂的手眼标定，相关资料挺多的，但使用起来都比较复杂，新手一般比较难搞懂。于是想做一个比较简单易懂易用的手眼标定程序。
程序都是Copy的开源代码，所以也开源出来：
开源地址:https://gitee.com/ohhuo/handeye-calib
本教程一共包含五个部分：
- 手眼标定-基础使用
- 手眼标定-JAKA机械臂
- 手眼标定-AUBO机械臂
- 手眼标定-Aruco使用与相机标定
- 手眼标定-注意事项
原理介绍
本程序包目前仅针对眼在手上的标定，通过输入两组以上的机械臂姿态信息(x,y,z,rx,ry,rz)和装在机械手上的相机所识别的标志物的姿态信息，经过程序计算可输出，机械臂末端和相机之间的坐标变换矩阵。
使用指南
1、基础使用
基础使用是在得到多组机械臂位姿与机械臂末端相机位姿之后直接使用本程序进行计算机械臂末端与相机之间的位姿关系。
-
机械臂位姿可以通过示教器或者SDK进行获取
-
相机中标定板位姿我们可以通过ArUco或者ArTookit等工具获得，可以参考这里。
我们使用一般读到的
（X,Y,Z,RX,RY,RZ）六个数据表示
安装测试
-
下载编译
git clone https://gitee.com/ohhuo/handeye-calib.git cd handeye-calib catkin_make or catkin build -
修改base_hand_on_eye_calib.launch文件中，base_handeye_data参数为从机械臂位姿和标定板位姿所在的配置文件所在的绝对目录,可以使用launch文件的
find。<launch> <!-- <arg name="base_handeye_data" default="The file path of handeye data." /> --> <arg name="base_handeye_data" default="$(find handeye-calib)/config/base_hand_on_eye_test_data.csv" /> <node pkg="handeye-calib" type="base_hand_on_eye_calib.py" name="base_hand_on_eye_calib" output="screen" > <param name="base_handeye_data" value="$(arg base_handeye_data)" /> </node> </launch> -
运行程序
source devel/setup.bash roslaunch handeye-calib base_hand_on_eye_calib.launch -
查看结果
程序会根据配置文件中的坐标进行计算，最终输出如下数据(单位毫米，弧度制)：数据包含不同算法下计算结果，以及计算结果的标准差和方差等数据。
algoritihms x y z rx ry rz distance ------------- --------- ----------- ---------- --------- ---------- ------- ---------- Daniilidis 0.0254407 -0.00388589 0.00626286 -1.34278 -0.0699976 91.0318 0.0264868 Horaud 0.035229 -0.0151477 0.0185151 1.65751 0.943546 89.7013 0.0425833 Park 0.0352315 -0.0151497 0.0185238 1.65744 0.944041 89.6995 0.04259 Tsai-Lenz 0.0514184 -0.0291956 0.0236991 0.958984 1.89297 89.4352 0.0637015 name x y z rx ry rz distance ------ ----------- ------------ ----------- ------- -------- --------- ----------- mean 0.0368299 -0.0158447 0.0167502 0.73279 0.927639 89.9669 0.0438404 var 8.69144e-05 8.05572e-05 4.11328e-05 1.51731 0.481914 0.389663 0.000174689 std 0.00932279 0.00897536 0.00641349 1.23179 0.6942 0.62423 0.013217 Daniilidis x y z rx ry rz distance ------------ ----------- ------------ ------------ ----------- ----------- ----------- ----------- point0 1.12994 -0.261557 -0.303544 1.56839 0.0486538 3.02918 1.19888 point1 1.12386 -0.256959 -0.307001 1.55079 0.0350867 3.02347 1.19303 point2 1.12649 -0.256307 -0.306266 1.55284 0.0356765 3.02361 1.19519 point3 1.12565 -0.253896 -0.307797 1.555 0.0263091 3.02058 1.19427 point4 1.13011 -0.250703 -0.3061 1.55657 0.046811 3.01531 1.19737 mean 1.12721 -0.255884 -0.306142 1.55672 0.0385074 3.02243 1.19575 var 6.00994e-06 1.28613e-05 2.04871e-06 3.78781e-05 6.80825e-05 2.04147e-05 4.45839e-06 std 0.00245152 0.00358626 0.00143133 0.00615452 0.00825121 0.00451826 0.00211149 Horaud x y z rx ry rz distance -------- ----------- ------------ ------------ ----------- ------------ ----------- ----------- point0 1.08483 -0.262978 -0.318057 1.55897 -0.00705108 3.0495 1.16068 point1 1.08404 -0.255567 -0.323067 1.53871 -0.0174223 3.05 1.15967 point2 1.09116 -0.257748 -0.322579 1.5435 -0.0165301 3.05181 1.16667 point3 1.09252 -0.254445 -0.32486 1.54551 -0.0238963 3.05223 1.16785 point4 1.08396 -0.25189 -0.316132 1.54735 -0.00344446 3.04677 1.15687 mean 1.0873 -0.256525 -0.320939 1.54681 -0.0136688 3.05006 1.16235 var 1.39945e-05 1.39716e-05 1.08019e-05 4.53041e-05 5.50417e-05 3.77804e-06 1.77698e-05 std 0.00374092 0.00373786 0.00328662 0.00673083 0.00741901 0.00194372 0.00421543 Park x y z rx ry rz distance ------ ----------- ------------ ------------ ---------- ------------ ---------- ----------- point0 1.08483 -0.262981 -0.318067 1.55897 -0.00705403 3.04953 1.16068 point1 1.08405 -0.255566 -0.323077 1.5387 -0.0174209 3.05003 1.15968 point2 1.09117 -0.25775 -0.322589 1.5435 -0.0165283 3.05184 1.16668 point3 1.09253 -0.254446 -0.32487 1.54551 -0.0238923 3.05226 1.16786 point4 1.08396 -0.251893 -0.316141 1.54735 -0.00344051 3.0468 1.15687 mean 1.08731 -0.256527 -0.320949 1.54681 -0.0136672 3.05009 1.16236 var 1.40185e-05 1.39759e-05 1.08042e-05 4.5316e-05 5.50296e-05 3.7782e-06 1.78012e-05 std 0.00374414 0.00373844 0.00328697 0.00673172 0.0074182 0.00194376 0.00421915 Tsai-Lenz x y z rx ry rz distance ----------- ----------- ------------ ----------- ----------- ------------ ----------- ----------- point0 1.08118 -0.26596 -0.329331 1.5432 0.00335281 3.05875 1.1611 point1 1.07916 -0.25742 -0.334988 1.52213 -0.00593988 3.05615 1.15891 point2 1.08686 -0.260925 -0.335914 1.52765 -0.00494656 3.05948 1.16712 point3 1.08833 -0.256919 -0.339045 1.52961 -0.0118364 3.05914 1.16851 point4 1.07685 -0.254707 -0.324463 1.53139 0.00852579 3.05335 1.15315 mean 1.08247 -0.259186 -0.332748 1.5308 -0.00216884 3.05737 1.16176 var 1.95647e-05 1.54478e-05 2.7001e-05 4.81123e-05 5.20523e-05 5.42287e-06 3.14201e-05 std 0.0044232 0.00393036 0.00519625 0.0069363 0.00721473 0.0023287 0.00560536
标定结果误差测试
观察数据计算结果的标准差大小。
每次计算之后，程序都会输出不同算法下标定结果点的平均数、方差、标准差三项数值。
由于标定过程中标定板是没有发生移动的，所以我们通过机械臂的末端位置、标定结果（手眼矩阵）、标记物在相机中的位姿即可计算出标定板在机器人基坐标系下的位姿，如果标定结果准确该位姿应该是没有变化的。
可以比较最终数据的波动情况来判定标定结果的好坏。
比如：
标定板在机械臂基坐标系的位置1：
Tsai-Lenz x y z rx ry rz distance
----------- ------------ ----------- ------------ ------------ ------------ ----------- -----------
point0 -0.45432 0.0488783 0.000316595 0.0420852 -0.0245641 1.52064 0.456941
point1 -0.457722 0.054523 0.0121959 -0.0266793 0.0050922 1.53391 0.461119
point2 -0.457198 0.0535639 0.00246136 0.0252805 -0.0329136 1.51927 0.460331
point3 -0.453302 0.0618366 0.00165179 0.0405718 -0.0472311 1.53318 0.457503
point4 -0.455802 0.0589413 0.000377679 0.0222521 -0.0360589 1.51963 0.459598
point5 -0.455392 0.0615103 0.00584822 0.0365886 -0.033448 1.50684 0.459565
point6 -0.451144 0.0571198 0.00498852 0.0618337 -0.0170326 1.52463 0.454773
point7 -0.452829 0.0588266 -0.000827528 0.0324858 -0.0292652 1.52268 0.456635
point8 -0.454238 0.063634 0.00488078 0.0411648 -0.0373725 1.51611 0.458699
point9 -0.453579 0.0631788 0.00390939 0.0339742 -0.0645821 1.53168 0.457974
point10 -0.454952 0.066057 -0.00144969 0.0399135 0.0029201 1.5053 0.459725
point11 -0.459518 0.0553877 -0.00209946 0.0450864 -0.0147387 1.50702 0.462848
point12 -0.454928 0.0590754 -0.0045181 0.0297534 -0.0296122 1.52043 0.45877
point13 -0.455234 0.0527075 -0.00389213 0.0358822 -0.0260668 1.51244 0.458292
mean -0.455011 0.0582314 0.0017031 0.0328709 -0.027491 1.51955 0.45877
var 4.21677e-06 2.16484e-05 1.84365e-05 0.000357231 0.000305579 8.29112e-05 3.79771e-06
std 0.00205348 0.00465279 0.00429378 0.0189005 0.0174808 0.00910556 0.00194877
标定板在机械臂基坐标系的位置2：
Tsai-Lenz x y z rx ry rz distance
----------- ----------- ----------- ----------- ----------- ------------ ----------- -----------
point0 -0.428394 0.052448 0.0353171 0.0259549 -0.0541487 1.57929 0.433035
point1 -0.427841 0.0448442 0.0345359 0.0454481 -0.0371304 1.55639 0.431569
point2 -0.424889 0.0486165 0.0278942 0.0455775 -0.0438353 1.57073 0.42857
point3 -0.421985 0.0485442 0.0311218 0.0138094 -0.0307286 1.55606 0.425906
point4 -0.428353 0.0454091 0.0326252 0.039192 -0.0492181 1.59177 0.431987
point5 -0.432111 0.0458869 0.0359774 0.04632 -0.0383476 1.55942 0.436028
mean -0.427262 0.0476248 0.0329119 0.0360503 -0.0422348 1.56894 0.431183
var 9.9672e-06 6.79218e-06 7.71397e-06 0.000148499 6.11379e-05 0.000174299 1.03945e-05
std 0.00315709 0.00260618 0.0027774 0.012186 0.00781908 0.0132022 0.00322405
我们可以观察两次标定结果的距离的标准差，第一次的标准差小于的第二次的标准差，这表示第一次的标定结果好于第二次。
标准差越小，数据越聚集。
如果有不明白的可以留言，下期更新使用Aruco获取相机中标定板的位姿。
标签：------------,06,05,标定,-----------,ROS,手眼 来源： https://blog.csdn.net/qq_27865227/article/details/113774717