基于C#和Opencv的机器视觉9点标定

光谷码农 04-26 2187

前言：

此刻小伙伴们对“halcon霍夫变换直线检测原理”都比较关怀，你们都需要剖析一些“halcon霍夫变换直线检测原理”的相关文章。那么小编在网上汇集了一些对于“halcon霍夫变换直线检测原理””的相关内容，希望兄弟们能喜欢，咱们快快来学习一下吧！

很多初学者，都对标定概念模糊不清，分不清坐标系之间的关系，搞不清相机标定和机械手相机标定有什么关系，想当初自己也是一个人摸索了很久，本文将尽量给大家解释。

我们通常所说的相机标定分为两种，一种是相机参数的标定，这一般用到标定的作用是校正相机自身的畸变，利用校正得到的参数对图形进行处理后再呈现出来。关于这方面的资料，网上大把，我也不再此说明。一般的机械手定位也不会进行这个标定，因为现在的相机畸变还是很小的，精度可以满足大多数要求。

本文要介绍的是第二种，相机和机械手之间的标定，作用：建立相机坐标系和机械手坐标系之间的关系，即给机械手装上眼睛，让它去哪就去哪。

常用的方法是9点标定，所用到函数是EstimateRigidTransform，网上关于 estimateRigidTransform 的详细说明很少，Emgucv的几乎没有。当时找了N久，一度以为opencv没有坐标系转换的算法，差点就投奔halcon去了，不得不说，opencv在机器视觉方面的应用是完全不如halcon的。EstimateRigidTransform有两个方法。

方法一：Mat EstimateRigidTransform(PointF[] sourcePoints, PointF[] destinationPoints, bool fullAffine);返回的是一个2*3的double的矩阵。

第一个参数sourcePoints：换之前图像上的点（相机坐标系下的点）

第二个参数destinationPoints：换之后图像上的点（机械手坐标系下的点）

第三个参数fullAffine： TRUE（全仿射变换,包括：rotation, translation, scaling,shearing,reflection）

FALSE（带有约束的仿射变换）

方法二：Mat EstimateRigidTransform(IInputArray src, IInputArray dst, bool fullAffine); //返回的是图像

第一个参数src：变换之前的图像

第二个参数dst：变换之前的图像

第三个参数fullAffine： TRUE（全仿射变换,包括：rotation, translation, scaling,shearing,reflection）

FALSE（带有约束的仿射变换）

因为我们需要的是坐标点，所以选用第一个函数。采用9点标定是因为点数越多越精确，但也不是越多越好，因为点数越多标定也会越麻烦，所选取的9个点在相机中间不要太靠近边缘，能够照顾到要定位的点即可。最少需要机械手和相机系下各2组点。

0.准备工作：相机位置，机械手位置全部固定好，标定针固定在机械手上，固定好后不能够再移动。标定针的位置一定要与夹手或吸盘之内的工具同一位置高度。

1.制作标定板，条件不行的，用普通的纸绘制9个圆，打印出来就行。

2.将标定板放到相机下方，位置区域要与机械手工作的区域一样，包括高度必须尽量一致，这是标定准确度的关键。

3.调整好相机焦距，拍照，然后识别9个点的坐标，关于如何找圆，opecv的霍夫变换找圆非常容易误判，比较好的方法是采用轮廓找圆法。这个我也想写篇博客讲一讲。

4.将机械手依次移动到9的圆的中心，记下机械手坐标

5.将机械手坐标destinationPoints与相机坐标sourcePoints代入方法EstimateRigidTransform，即可算出一个2*3的矩阵。

private void CalRobot()

{

Mat warpMat;

warpMat = CvInvoke.EstimateRigidTransform(points_camera, points_robot, true);

Image<Gray, float> img = warpMat.ToImage<Gray, float>();

A = img.Data[0, 0, 0];

B = img.Data[0, 1, 0];

C = img.Data[0, 2, 0];

D = img.Data[1, 0, 0];

E = img.Data[1, 1, 0];

F = img.Data[1, 2, 0];

}

#视觉6.根据所得到的标定参数，可将图像下的所有坐标转换为机器人的坐标，机器人即可移动到图像上指定的位置。

坐标转换方法：