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。
请遵循如何获取 Zivid 标定对象的高质量数据的指南。

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。
如果使用一个或多个 ArUco 标记作为标定对象，则并非所有标记都需要在每个位姿中都可见。

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++

source

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#

source

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

source

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

Eye-to-hand

标定对象安装在机器人末端执行器上，并随机器人一起移动。
安装方式可以是直接固定在法兰上，也可以用夹具固定。
确切的安装位置并不重要（无需知道它相对于末端执行器的位姿）。

建议：

确保标定对象在机器人运动过程中相对于法兰或夹爪不发生移动。
使用刚性材料制作支架和标定对象（例如，使用 Zivid On-Arm Mount 将 Zivid calibration board 安装到机器人上）。
通过控制加速度，确保机器人运动平稳，避免抖动或移位。
确保在图像采集过程中标定对象保持静止（例如，在机器人运动后等待几秒钟，让振动稳定下来后再进行拍摄）。

Eye-in-hand

标定对象静止在机器人的工作空间内。
物体的确切位置并不重要（不需要知道它相对于机器人底座的位姿）。
（安装在末端执行器上的）相机必须能够从多个角度看到标定对象。

建议：

确保标定对象牢固固定，并在标定过程中保持静止（例如，使用 Zivid Stationary Mount 或 Zivid Stationary Quick Mount 将 Zivid calibration board 安装到工作台上）。
标定期间，请确保相机牢固固定（例如，使用 Zivid On-Arm Mount ）。

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。