手眼标定的注意事项和建议

常见错误

图像质量

确保标定对象在所有图像中曝光良好且清晰对焦。
保持物体在景深范围内：
- 使用更大的 \(f\)-值（更小的光圈）。
- 通过增大曝光时间来弥补。
所有图像均使用相同的光圈设置，以避免因光圈大小不同而导致的波动。
通过激发标定对象和机器人的所有六个自由度，从不同角度捕获标定对象的图像。
Follow guidelines on How to get Good Quality Data on Zivid Calibration Object.

Zivid API

Zivid 点云以毫米 (mm) 为单位。
因此，请确保用于手眼标定的机器人输入位姿中，平移量也使用毫米（mm）作为单位。
因此，手眼标定输出的平移量将以毫米（mm）为单位。

检测

如果使用 Zivid calibration board ，请确保 ArUco 标记在所有位姿中都可见；否则，棋盘格检测将失败。
If using multiple ArUco markers as a calibration object, not all markers need to be visible in every pose. However, failure to detect the same markers across many poses can make the rotation residual large or invalid even when translation residuals still look good. Ensure mounting hardware (screws, brackets, clamps) does not block the view of a marker from some viewing angles.

检测（detection） API 提供了有关检测失败原因的信息。以下是检查检测状态的示例：

C++

const auto detectionResult = Zivid::Calibration::detectCalibrationBoard(frame);

if(detectionResult.valid())
{
    std::cout << "Calibration board detected " << std::endl;
    handEyeInput.emplace_back(robotPose, detectionResult);
    currentPoseId++;
}
else
{
    std::cout << "Failed to detect calibration board. " << detectionResult.statusDescription() << std::endl;
}

C#

using (var frame = camera.Capture2D3D(settings))
{
    var detectionResult = Detector.DetectCalibrationBoard(frame);

    if (detectionResult.Valid())
    {
        Console.WriteLine("Calibration board detected");
        handEyeInput.Add(new HandEyeInput(robotPose, detectionResult));
        ++currentPoseId;
    }
    else
    {
        Console.WriteLine("Failed to detect calibration board, ensure that the entire board is in the view of the camera");
    }
}

Python

detection_result = zivid.calibration.detect_calibration_board(frame)

if detection_result.valid():
    print("Calibration board detected")
    hand_eye_input.append(zivid.calibration.HandEyeInput(robot_pose, detection_result))
    current_pose_id += 1
else:
    print(f"Failed to detect calibration board. {detection_result.status_description()}")

手眼配置

环境条件

标定过程中保持相机温度稳定：

确保启用了 Thermal Stabilization（热稳定功能），以最大限度地减少与温度相关的性能变化。
启动前执行预热程序。
保持标定条件与预期运行条件相似。

准确度和重新标定

拣货准确率取决于：

相机标定
手眼标定
机器视觉软件
机器人定位

机器人通常情况下虽然重复精度高，但由于温度、关节摩擦、有效载荷、制造公差等因素的影响，其本身并不精确。

建议：

执行主校准（归零），以确认机器人每个关节的精确零位。
对机器人进行标定以提高位姿精度。
请在完成预热后、进行手眼标定前，执行现场标定。
如果出现以下情况，请重复手眼标定：
- 机器人失去校准。
- 相机被拆卸并重新安装。
定期进行重新标定（机器人和/或手眼标定）以保持系统性能。

选择正确的方法

在手眼标定过程中，避免使用计算或需要相机内参的方法：
- Zivid 相机已使用复杂的专有模型进行校准。
- Zivid SDK 为 OpenCV 和 Halcon 模型提供了内参近似值，但这些近似值会损失精度（与专有模型不同）。

建议：

使用 Zivid 手眼标定时，将利用 3D 点云数据进行外参的计算。

基于 CAD 匹配的替代方法也可以（它们也从点云计算相机外参）；但是，它们可能缺乏 Zivid 特有的优化。

Zivid 方法的其他优点是支持 ArUco 标记，这些标记可以永久安装在机器人工作站（手臂安装的相机）或机器人上（固定安装的相机）。

希望您已经成功运行了手眼标定。如需检查结果的准确性，请阅读如何验证手眼标定。

版本历史记录

SDK	变更
2.15.0	有关检测失败原因的信息已添加到 detection API。