焊接机器人的视觉系统标定方法研究基于张氏标定方法的实施

焊接机器人的视觉系统标定方法研究基于张氏标定方法的实施，由于张氏标定被广泛集成于各种图像处理软件中，本项目采用加州理工学院基于张氏标定法编写的MATLAB标定工具包，如下图所示:

根据张氏标定法的过程，首先创建一个标定板，接着利用相机对不同位姿的标定板进行图片的采集。则如下图3-6所示的由板7X8个黑白相间的边长为1 S mm的正方形相互紧密排列形成的标定板，图3-6中依次为相机固定时，拍摄的不同位姿的标定板。

当获取了标定板图像后，根据张氏标定的方法，首先需要将各个位姿的图像导入到标定工具当中。图下图3-7所示，且各个图像经过一定的预处理，先滤波去噪后二值化，每幅图像变成了噪声较少且只有黑白两色，方便后面的标定过程。

当标定图像组全部导入完成且预处理完成后，依次按顺序提取角点。又根据图3-6中的任意一副子图，我们可以发现这样一个现象:标点板的网格是黑白相间的，并且对交相邻的网格总是颜色不同。当我们选取角点的时候，首先先要框选一个范围，范围内角点特征明显，因为标定板的设计原因，我们可以从表格最外围算起，放弃棋盘图最外围的格子，以除去最外围的外圈表格为界，提取出其中的角点特征，并以此提起其他的图像，按顺序将数据保存下来。如图3-8所示这是图像组中一副图片的角点提取环节，红色点为提取的角点位置，绿色线为角点提取的范围，当确认红色为角点位置无误时，可提取角点，得到如图紫色的角点注释，并将紫色点的位置予以保存，如图总共提取出42个角点。

当依次获取完各个图像的角点信息后，之后开始进行标定。标定分为两个步骤，先是初始化，接着是非线性优化，但是这些由工具包直接完成。所以通过点击标定，以得到结果。

一般来说，对标定结果的评估是通过重投影误差、相机外参以及娇正畸变图像三个方面来评估的。重投影误差是监测点到重投影点之间的像素距离，是指投影的点(理论值)与图像上的测量点的误差。例如在标定的时候我们经常用到重投影误差作为最终标定效果的评价标准，我们认为标定板上的物理点是理论值，它经过投影变换后会得到理论的像素点a，而测量的点经过畸变娇正后的像素点为a'，它们的欧氏距离即表示重投影误差。标定程序可计算出从世界坐标系到图像坐标系的重投影误差，一般来说，若重投影误差小于一个像素，则此次标定结果可以认为是正确的或者是精度是达到基本要求的。重投影误差显示图示有两种分别为条形和散点图。图3-9为此次标定结果的重投影误差散点图。且如图所示，此次标定绝大部分的重投影误差都位于[-1,1]之间，所以从重投影误差角度来看，此次标定是达到要求的。

接着可以从相机外参角度来判断标定精度。可以直接从标定结果中导出外参示意图，如图3-10所示，红色锥形物体为相机的图示，同时标有序正方向1-10且颜色不同的矩形网格为标定板，图示中相机与标定板的位姿关系应该与现实拍摄时一一对应，可以从Z。轴距离及几个标定板的位姿来判断本次标定的正确性。而最后一种通过可否将畸变消除还原原图的方法，在某些畸变较为严重的情况下可以使用，本项目因为提前通过物距、视野等相关参数算好了相机的焦距和相机的位置，导致本项目中采集的图像畸变很小，所以很难通过畸变还原来进行正确性的比对，因为畸变还原前后，图像变化很难通过肉眼观测得到。

通过这个标定过程，可以得出下列结果，如表3-1所示:

且正如章节3.1.2所示，我们需要的是相机的内参，而通过该标定箱得出的标定结果需要和内参联系起来，可得到下列表3-2的对应关系:

焊接机器人的视觉系统标定方法研究基于张氏标定方法的实施