opencv完成手眼标定和目标物体坐标转换

OpenCV可以用于手眼标定和目标物体坐标转换，以下是一个简单的示例代码：

import numpy as np
import cv2

# 手眼标定
object_points = []
image_points = []
for i in range(10):
    # 确定目标物体在世界坐标系中的位置
    object_points.append(np.array([(i, j, 0) for j in range(5)], dtype=np.float32))
    
    # 通过相机拍摄目标物体获取图像中的坐标
    img = cv2.imread(f"image_{i}.jpg")
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, corners = cv2.findChessboardCorners(gray, (5, 4), None)
    if ret:
        image_points.append(corners)
        
ret, camera_matrix, dist_coeffs, rvecs, tvecs = cv2.calibrateHandEye(object_points, image_points, np.eye(3), np.zeros((5, 1)), np.eye(3), np.zeros((5, 1)))
print("camera_matrix:")
print(camera_matrix)
print("dist_coeffs:")
print(dist_coeffs)
print("rvecs:")
print(rvecs)
print("tvecs:")
print(tvecs)

# 目标物体坐标转换
img = cv2.imread("image.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (5, 4), None)
if ret:
    # 通过手眼标定计算相机坐标系和机器人坐标系之间的变换矩阵
    R, _ = cv2.Rodrigues(rvecs[0])
    T = tvecs[0].reshape(3, 1)
    H = np.hstack((R, T))
    H = np.vstack((H, np.array([0, 0, 0, 1], dtype=np.float32)))
    H_inv = np.linalg.inv(H)
    
    # 将图像中的坐标转换为相机坐标系下的坐标
    corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001))
    corners_cam = cv2.undistortPoints(corners, camera_matrix, dist_coeffs, P=camera_matrix)
    
    # 将相机坐标系下的坐标转换为机器人坐标系下的坐标
    corners_robot = np.dot(H_inv, np.hstack((corners_cam.reshape(-1, 2), np.ones((corners_cam.shape[0], 1)))).T).T[:, :3]
    print("corners_robot:")
    print(corners_robot)

在上面的代码中，我们首先通过相机拍摄多张图像获取目标物体在图像中的坐标，通过这些坐标和目标物体在世界坐标系中的位置计算相机的内参矩阵、畸变系数以及相机坐标系到机器人坐标系的变换矩阵。然后我们可以通过这些参数将图像中的坐标转换为机器人坐标系下的坐标。

需要注意的是，相机和机器人的坐标系通常是不同的，因此在进行坐标转换时需要考虑它们之间的变换关系。