相机标定模式解析：眼在外与眼在手

"这篇文档详细介绍了相机标定的两种主要模式——相机固定（眼在外Eye to hand）和相机不固定（眼在手Eye in hand），并涉及到不同坐标系的转换，包括工件坐标系、工具坐标系、相机坐标系、图像坐标系和像素坐标系。在相机固定的标定模式中，通过移动工具携带标定板来计算相机与基座标系之间的位置关系。在眼在手模式下，相机安装在机器人末端，每次拍摄时返回固定位置，单目相机可以使用九点标定法等简化方法进行标定。" 在机器人视觉系统中，相机标定是一项至关重要的任务，它涉及到多个坐标系之间的转换，以确保机器人能够准确地识别和定位目标。文档首先介绍了两个基本的相机标定模式： 1. 相机固定（Eye to hand）：在这种模式下，相机的位置相对固定，通常是相对于机器人的基坐标系。为了标定，工具（如带有标定板的夹具）会在不同的位置和角度下被移动，相机拍摄这些标定板，然后通过解决多个位置的几何关系来计算相机坐标系与基坐标系之间的4x4变换矩阵。 2. 相机不固定（Eye in hand）：在这种模式中，相机安装在机器人的末端执行器上，其位置随机器人的运动而改变。尽管相机位置不固定，但每次拍摄时，相机会回到一个已知的标定位置。例如，单目相机可以使用九点标定法，通过机械手接触标定板上的九个点来记录像素坐标和基础坐标系中的位置，从而构建像素坐标到基础坐标系的转换矩阵。 在标定过程中，涉及到多种坐标系的转换，如： - 工件坐标系：通常与被检测对象相关联，是目标物体的参考坐标系。 - 工具坐标系：与机器人末端执行器相关，表示工具的中心点。 - 相机坐标系：相机自身的参考框架，用于描述相机捕捉的空间信息。 - 图像坐标系：在相机传感器上的二维坐标系统，对应于捕获图像的像素位置。 - 像素坐标系：基于图像坐标系，但考虑了像素大小和相机内部参数。 通过标定，可以建立从像素坐标到工件坐标系的映射关系，从而允许机器人根据相机捕获的图像精确地定位和操作目标。例如，如果知道目标在图像中的像素坐标，通过逆变换矩阵可以求出其在基坐标系中的实际位置，从而控制机器人的动作。 这篇文档提供了相机标定的基本概念、不同模式及其实施方法，对于理解和应用机器人视觉系统具有很高的价值。无论是进行工业自动化还是机器人导航，理解并正确执行相机标定都是确保系统精度和可靠性的关键步骤。