手眼标定解决方案

上一篇教程介绍了手眼标定需要解决的问题， 本篇教程将描述手眼标定解决方案的背景思想。eye-to-hand和eye-in-hand的核心思想是一样的， 因此我们将先详细描述eye-to-hand的解决方案，然后再说明eye-in-hand与之的区别。

备注

您无需使用末端执行器，也无需知道其位姿（如果您已安装末端执行器）即可进行手眼标定。工具中心点 (TCP) 值不影响手眼标定结果。在本文及后续教程中， 末端执行器 一词指的是工具法兰（机器人的最后一个连接件）。

如何解决手眼标定问题？

Eye-to-hand

第一步是选择标定对象，例如棋盘格。 Zivid 标定对象 （棋盘格和 ArUco 标记）将在本教程的下一部分中进行介绍。
标定物体的几何形状已知，因此可以从相机图像中检测到。 此外，还可以估计其相对于相机的位姿（ \(H^{CAM}_{OBJ}\) ）。
要计算相机和机器人之间的相对位姿 （\(H^{ROB}_{CAM}\))，我们需要以某种方式关联位姿。
末端执行器相对于机器人基座的位姿 (\(H^{ROB}_{EE}\)) 是已知的，由机器人控制器提供。
右图中缺失的一环是标定对象相对于末端执行器的位姿 （\(H^{EE}_{OBJ}\)）。
为了*消除*这个位姿的影响，或者说把它*固定*下来，我们可以把标定对象直接安装在机械臂的末端执行器上。
现在看来我们已经具备了关闭位姿闭环的一切条件，从而计算出相机相对于机器人的位姿 （\(H^{ROB}_{CAM}\)）。然而，事情并没有那么简单。
这是因为我们并没有真正*消除*相对位姿（ \(H^{EE}_{OBJ}\) ）。但是，我们已经将其设为常数，以确保标定对象相对于末端执行器的位姿（ \(H^{EE}_{OBJ}\) ）在机器人运动过程中不会改变。 这使我们能够将机器人移动到一系列不同的位姿。 对于其中任何一个而言， \(H^{ROB}_{CAM}\) 都可以表示为其余两个已知位姿变量的函数： 机器人到末端执行器 \(H^{ROB}_{EE}\) 相机到标定对象 \(H^{CAM}_{OBJ}\) 以及一个恒定的、未知的位姿： 末端执行器到标定对象 \(H^{EE}_{OBJ}\) 。 通过这组方程，可以利用最佳的方式（例如蔡氏方法）来计算所需的位姿 \(H^{ROB}_{CAM}\).

Eye-in-hand

第一步是选择标定对象，例如棋盘格。 Zivid 标定对象 （棋盘格和 ArUco 标记）将在本教程的下一部分中进行介绍。
标定物体的几何形状已知，因此可以从相机图像中检测到。 此外，还可以估计其相对于相机的位姿（ \(H^{CAM}_{OBJ}\) ）。
为了计算相机和末端执行器之间的相对位姿（ \(H^{EE}_{CAM}\) ），我们需要以某种方式使多个位姿之间形成闭环。
末端执行器相对于机器人基座的位姿 (\(H^{ROB}_{EE}\)) 是已知的，由机器人控制器提供。
能够使位姿环闭合的缺失位姿是物体相对于机器人基座的位姿（ \(H^{ROB}_{OBJ}\) ）。
为了*消除*这个位姿的影响或者将其*固定*下来，我们必须将标定对象进行刚性安装。 这样可以确保标定对象相对于机器人基座（ \(H^{ROB}_{OBJ}\) ）的位姿在机器人运动过程中保持不变。
现在我们有了闭合位姿环所需的一切，从而可以计算相机相对于末端执行器的位姿（ \(H^{EE}_{CAM}\) ）。 在手眼标定过程中，机器人被移动到一系列不同的位姿。 对于其中任何一个而言， \(H^{EE}_{CAM}\) 都可以表示为其余两个已知位姿变量的函数： 机器人到末端执行器 \(H^{ROB}_{EE}\) 相机到标定对象 \(H^{CAM}_{OBJ}\) 以及一个恒定的、未知的位姿： 机器人到标定对象 \(H^{ROB}_{OBJ}\) 。 利用这组方程，我们就可以采用优化过的技术（例如 Tsai 方法）来计算出所需的位姿 \(H^{EE}_{CAM}\) 。

现在我们已经解释了如何解决手眼标定问题，让我们来看看 手眼标定对象 选项。