大家好，欢迎关注遨博学院带来的系列技术分享文章（协作机器人ROS开发），在前面课程中我们讲解了机器人手眼标定原理相关知识，接下来我们来学习遨博E5机械臂与相机手眼标定。

 

 

环境版本

 

主机系统版本：Windwos10 64位

处理器型号：Intel-i7

虚拟机版本：VMware Workstation 16 Pro

虚拟机系统：Ubuntu 18.04.6 LTS

ROS版本：Melodic

 

学习目标

 

 

知识储备

 

下面开始介绍本节内容的知识点：

首先学习相机标定板的分类及特点。

标定本质上是借助一个已知确定的空间关系（标定板），通过分析拍照的图片像素，逆向推出相机固有且真实的参数（内参）。标定板一般使用平面上的规则图案，主要由以下几种类型：棋盘格、对称圆形及非对称圆形网格、ArUco板和ChArUco板等。

 

（1）棋盘格chessboard，最常用的标定图案。

 

 

（2）圆形网格

 

 

（3）ArUco

 

 

（4）ChArUco

 

 

2.标定方式

 

 

任务实施

 

本课程采用眼在手上的方式进行手眼标定，使用的工具为MoveIt! Calibration。

 

 

1.标定前硬件准备

 

双目相机法兰盘固定。法兰盘机械臂末端固定。将ChArUco标定板按100%比例A4纸打印。

 

 

2.标定工具包编译

 

 

3.连接遨博E5机械臂和双目相机

 

 

4.手眼标定

 

按下示教器上的力控按钮，手动拖拽机械臂使相机视野能够照射到标定板。

 

（1）启动相机标定节点程序（robot_ip修改为实际机械臂IP地址）

 

 

（2）标定组件Target选项卡配置

 

 

在Target选项卡的Target Params部分，我们将使用默认的目标参数，标定板类型Target Type选择【HandEyeTarget/Charuco】，其他下列参数如图所示。

 

 

点击右侧的【Create Target】按钮生成标定板图像，之后点击【Save Target】按钮将其保存为图片文件，并通过A4纸（100%比例）打印。

 

 

（3）上下文配置

 

点击【Context】第二个选项卡，里面包含进行标定校准所需的几何信息。将【Sensor configuration】设置为“Eye-in-hand”。

 

【Sensor frame】选择为相机基坐标系“camera_link”。

 

【Object frame】是校准目标定义的坐标系，默认称为“handeye_target”。

 

【End-effector frame】是刚性连接到相机的机器人连杆，选择为“wrist3_Link”。

 

【Robot base frame】是校准目标静止的坐标系，选择为“base_link”。

 

 

（4）添加相机视野（FOV）组件

 

在RViz中添加【MarkerArray】组件，并将其设置为监听“/rviz_visual_tools”主题（它可能不会立即出现）。

 

 

添加完成后，点开左上方HandEyeCalibration，找到下方的【Camera FOV Marker】将右侧“ON/OFF”选项取消选中后在次点击选中，会在机械臂模型窗口观察到相机视野。

 

 

（5）捕获校准数据集

 

【Calibrate】选项卡提供了收集数据集以及计算和导出校准的工具。

 

在“AX=XB 求解器”下拉列表中选择要使用的校准求解器。默认为Daniilidis求解器（在大多数情况下都是不错的选择）。

 

【Planning Group】为被记录的机械臂关节组。

 

 

当标定板在相机视野中可见，并且坐标轴在标定板上呈现时，就可以开始进行第一个校准样本采集。

 

 

（6）保存关节记录数据

 

当手动采样时，会记录机器人关节状态，以便将来可以再次使用相同的位姿进行重新标定。记录状态的数量显示在面板底部进度条的右侧，可以使用【Settings】部分中的【Save joint states】按钮将状态保存到文件中。

 

 

（7）计算并保存标定结果

 

收集多个样本后，将自动执行标定，并在每次添加新样本时更新。标定会随着更多的样本而显著改善，并且通常会在大约12或15个样本后趋于平稳。点击【Save camera pose】导出校准结果。

 

 

这将创建一个带有静态变换发布者的launch文件，其中包含校准后的相机变换。打开该标定launch文件，内容大致如下。

 

 

任务拓展

 

将相机独立于机器人固定至支架上，使用MoveIt!标定工具进行眼在手外标定。

 

 

课堂小结

 

1.在Ubuntu18.04系统下使用的OpenCV版本为3.2，其中的ArUco库有Bug，建议不要使用ArUco类型的标定板进行标定。

 

2.标定过程中需保证标定板位置固定不动，且相机视野能够检测到标定板上的坐标轴，否则会引入异常点，导致整体标定误差增大。

 

 

课后练习

 

1.使用RealSense双目相机固定至遨博E5机械臂末端，进行手眼标定。

 

2.获取贴有ArUco码物体相对机械臂基座的位姿转换数据，测试标定参数精度。

 

 

在接下来的ROS课程中，我们会讲解遨博E5机械臂语音交互控制，欢迎持续关注。

 

注：*本文(含图片)均为转载，文章版权归原作者所有，若有侵权请联系删除。