System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及目标检测,特别涉及一种机器人视觉引导方法、装置、设备及存储介质。
技术介绍
1、视觉引导机器人在进行抓取操作时,会进行手眼标定,涉及到识别和确定机器人的末端执行器(手)与相机(眼)之间的准确变换关系,以确保机器人能够准确地感知和执行任务,在手眼标定过程中,光线穿过透镜弯曲会造成畸变从而影响标定精度,进而导致像素坐标到机器人夹具坐标转换后精度误差过大,从而影响机器人的抓取精度。
2、目前,为了去除图像中的畸变提高机器人抓取精度,通常采用图像畸变矫正算法对发生畸变的图像进行矫正,去除图像中的畸变,从而提高图像质量,获得清晰度更高且更加真实的图像。然而,传统的图像畸变矫正算法可能会降低图像的分辨率,导致图像失真,并且对于特定类型的畸变,需要使用特定的矫正算法,否则效果不佳;另外,在对图像畸变矫正算法中的畸变矫正参数进行计算时,需要使用复杂的数学方法,算法计算耗时较长,因此降低了畸变矫正的效率。
3、综上,如何对机器人进行视觉引导是本领域目前还有待进一步解决的技术问题。
技术实现思路
1、有鉴于此,本申请的目的在于提供一种机器人视觉引导方法、装置、设备及存储介质,能够提高图像畸变矫正效果,降低像素坐标到机器人夹具坐标的转换精度误差,适用于多种不同畸变类型的视觉引导应用场景。其具体方案如下:
2、第一方面,本申请公开了一种机器人视觉引导方法,包括:
3、当获取到机器人视觉引导请求时,控制工业相机对黑白棋盘标定板进行拍摄,得到多张标定图
4、分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点,得到角点像素坐标;
5、分别将所述角点像素坐标与所述黑白棋盘标定板中的角点物理坐标进行匹配,以计算所述工业相机的内参矩阵和畸变系数,并利用梯度下降法最小化重投影误差,以求解所述内参矩阵和所述畸变系数的最优解;
6、将所述最优解及对应的所述标定图像中的畸变坐标输入至预先创建的多项式畸变模型中,以对所述畸变坐标进行畸变矫正,得到矫正后坐标;
7、根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作。
8、可选的,所述分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点,得到角点像素坐标,包括:
9、利用harris角点检测算法分别对每张所述标定图像进行角点检测,以提取所述标定图像中位于所述黑白棋盘标定板上的内角点,得到角点像素坐标。
10、可选的,所述内参矩阵基于相机焦距、像素x轴方向宽度、像素y轴方向宽度及主点像素坐标计算得到,所述畸变系数中包括一阶径向畸变系数、二阶径向畸变系数、三阶径向畸变系数、像素x轴方向上切向畸变系数以及像素y轴方向上切向畸变系数。
11、可选的,所述根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作,包括:
12、对所述矫正后坐标进行插值处理,得到插值后坐标,并利用所述插值后坐标引导所述机器人对所述目标对象进行抓取操作。
13、可选的,所述对所述矫正后坐标进行插值处理,得到插值后坐标,包括:
14、利用双线性内插法对所述矫正后坐标进行插值处理,得到插值后坐标。
15、可选的,所述利用所述插值后坐标引导所述机器人对所述目标对象进行抓取操作,包括:
16、对所述插值后坐标中进行机器人坐标转换,得到机器人坐标;
17、根据所述机器人坐标引导所述机器人对所述目标对象进行抓取操作。
18、可选的,所述将所述最优解及对应的所述标定图像中的畸变坐标输入至预先创建的多项式畸变模型中,包括:
19、通过目标检测算法检测所述最优解对应的所述标定图像中的所有畸变坐标,并将最优解及对应的所述畸变坐标输入至预先创建的多项式畸变模型中。
20、第二方面,本申请公开了一种机器人视觉引导装置,包括:
21、控制模块,用于当获取到机器人视觉引导请求时,控制工业相机对黑白棋盘标定板进行拍摄,得到多张标定图像;
22、角点检测模块,用于分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点,得到角点像素坐标;
23、坐标匹配模块,用于分别将所述角点像素坐标与所述黑白棋盘标定板中的角点物理坐标进行匹配,以计算所述工业相机的内参矩阵和畸变系数;
24、误差最小化模块,用于利用梯度下降法最小化重投影误差,以求解所述内参矩阵和所述畸变系数的最优解;
25、畸变矫正模块,用于将所述最优解及对应的所述标定图像中的畸变坐标输入至预先创建的多项式畸变模型中,以对所述畸变坐标进行畸变矫正,得到矫正后坐标;
26、视觉引导模块,用于根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作。
27、第三方面,本申请公开了一种电子设备,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现前述的机器人视觉引导方法。
28、第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述的机器人视觉引导方法。
29、可见,本申请当获取到机器人视觉引导请求时,先控制工业相机对黑白棋盘标定板进行拍摄得到多张标定图像,然后分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点得到角点像素坐标,接着分别将所述角点像素坐标与所述黑白棋盘标定板中的角点物理坐标进行匹配,以计算所述工业相机的内参矩阵和畸变系数,并利用梯度下降法最小化重投影误差,以求解所述内参矩阵和所述畸变系数的最优解,再将所述最优解及对应的所述标定图像中的畸变坐标输入至预先创建的多项式畸变模型中,以对所述畸变坐标进行畸变矫正得到矫正后坐标,最后根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作。本申请通过黑白棋盘标定板并利用梯度下降法对相机进行标定,从而得到相机内参矩阵和畸变系数的最优解,并利用预先创建的多项式畸变模型以及最优解进行畸变矫正,能够提高图像畸变矫正效果,降低像素坐标到机器人夹具坐标的转换精度误差,能够同时适用于多种不同畸变类型的视觉引导应用场景。
本文档来自技高网...【技术保护点】
1.一种机器人视觉引导方法,其特征在于,包括:
2.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点,得到角点像素坐标,包括:
3.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述内参矩阵基于相机焦距、像素X轴方向宽度、像素Y轴方向宽度及主点像素坐标计算得到,所述畸变系数中包括一阶径向畸变系数、二阶径向畸变系数、三阶径向畸变系数、像素X轴方向上切向畸变系数以及像素Y轴方向上切向畸变系数。
4.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作,包括:
5.根据权利要求4所述的机器人视觉引导方法,其特征在于,所述对所述矫正后坐标进行插值处理,得到插值后坐标,包括:
6.根据权利要求4所述的机器人视觉引导方法,其特征在于,所述利用所述插值后坐标引导所述机器人对所述目标对象进行抓取操作,包括:
7.根据权利要求1至6任一项所述的机器人视觉引导方法,其特征在于,所述将所述最
8.一种机器人视觉引导装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的机器人视觉引导方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的机器人视觉引导方法。
...【技术特征摘要】
1.一种机器人视觉引导方法,其特征在于,包括:
2.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述分别对每张所述标定图像进行角点检测,以提取所述黑白棋盘标定板上的内角点,得到角点像素坐标,包括:
3.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述内参矩阵基于相机焦距、像素x轴方向宽度、像素y轴方向宽度及主点像素坐标计算得到,所述畸变系数中包括一阶径向畸变系数、二阶径向畸变系数、三阶径向畸变系数、像素x轴方向上切向畸变系数以及像素y轴方向上切向畸变系数。
4.根据权利要求1所述的机器人视觉引导方法,其特征在于,所述根据所述矫正后坐标引导所述机器人对目标对象进行抓取操作,包括:
5.根据权利要求4所述的机器人视觉引导方法,其特征在于,所述对所述矫正后坐标进行...
【专利技术属性】
技术研发人员:黄风格,陈立杰,
申请(专利权)人:合肥慧业智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。