提升和验证外参精度

本节介绍如何提升和验证外参精度。

提升外参精度

在手眼标定阶段,你可以采取如下措施提升外参(标定结果)精度:

标定前:

  • 确保机器人底座安装牢固。

  • 确保相机内参的精度较高。建议使用标定板在不同区域不同高度进行内参检查。

  • 确保已进行机器人绝对精度检查,且机器人精度满足项目要求。

  • 推荐在标定前相机预热暖机至少30分钟;对于高精度应用建议暖机45分钟以上。预热暖机过程可以通过相机通电或者连续拍照的方式进行。

标定时:

  • 当ETH场景下使用“标定板多个随机位姿”方法进行标定时,确保标定板安装牢固。

  • 如果机器人抓取时带有很重的夹具,建议机器人端开启负载补偿,并带夹具标定外参。

  • 如果相机工作距离超过了1.5米,需要为标定使用的“calib”参数组开启表面平滑功能。

  • 请降低机器人速度并设置较长的等待时间,避免采集标定数据时机器人抖动明显。

  • 严格按照手眼标定流程进行标定操作。

查看外参标定结果

查看外参标定报告

对于使用“标定板多个随机位姿”方法标定的场景,在计算外参后,可以点击查看外参标定报告按钮。外参标定报告生成后将会自动显示。

如果标定结果中标定数据欧拉角类型检查、相机精度检查和机器人绝对精度检查的结果均为“通过”(或无明显误差),则外参标定成功,外参可以使用。

如果任何一项检查未通过,请根据报告中提供的建议处理,然后重新标定,直至检查通过。

在点云视图中查看误差点云

对于使用“TCP尖点触碰”方法进行标定的场景,你可以在点云视图中查看误差点云来验证标定结果是否可用。

计算外参后,单击右侧的点云视图面板的查看误差点云。误差点云用于显示每个标定位姿上标定板圆点真实值与计算值之间的偏差。

点云误差参考标准如下:

  • 一般工程场景,要求所有数据点误差小于3 mm,即< 3 mm误差的点达到100%。

  • 高精度场景,要求所有数据点误差小于2 mm,即< 2 mm误差的点达到100%。

  • 码垛场景,要求所有数据点误差小于5 mm,即< 5 mm误差的点达到100%。

上述标准仅供参考,具体要求以实际生产中的工程精度要求为准。

验证外参精度

ETH场景中验证标定结果

计算外参后,可以使用“ETH外参误差评估”工具评估标定结果是否可用。

具体操作过程如下:

  1. 计算外参步骤中,单击辅助工具中的外参精度,然后在弹出的误差分析界面选择ETH外参误差评估

  2. 搭建新工程,用于获取标定板位姿。需要搭建的工程如下图所示:

    accuracy error analysis tool extrinsic parameters eth show project
  3. 同步机器人位姿,获取包含标定板点云的场景点云。

    1. 选择工程中的“路径规划”步骤,然后在步骤参数面板单击打开编辑器按钮以打开三维仿真空间。

    2. 将真实机器人位姿同步至“路径规划”工具中,以保证仿真界面中机器人与真实机器人位姿相同。

    3. 单击仿真按钮,可将含有标定板的场景点云进行可视化显示(单击仿真后的相关报错信息可忽略)。

  4. 创建标定板的虚拟TCP。

    1. 在“路径规划工具”的资源列表中添加末端工具。

    2. 在三维仿真空间中观察末端工具的显示,调整参数使TCP与标定板圆心重合(位姿的X、Y 轴与圆心十字重合,XOY平面与标定板平面重合)。

    3. 输入名称后单击确定,完成虚拟TCP创建。

  5. 工作区域内其他位置外参评估。

    1. 操作真实机器人至工作区域其他位置。

    2. 将真实机器人位姿同步至“路径规划”工具中,以保证仿真界面中机器人与真实机器人位姿相同。

    3. 单击仿真按钮,获取新的标定板和场景点云。

    4. 观察上一步中添加的虚拟TCP与标定板圆心是否重合。

如果虚拟TCP与标定板圆心基本重合,则说明标定结果可用。

EIH场景中验证标定结果

计算外参后,可以使用“EIH外参误差评估”工具评估标定结果是否可用。

具体操作过程如下:

  1. 计算外参步骤中,单击辅助工具中的外参精度,然后在弹出的误差分析界面选择EIH外参误差评估

  2. 了解EIH外参误差评估的操作指导,然后单击下一页按钮。

  3. 单击+,添加多组标定板的位姿数据。

    analyze eih extri errors
  4. 单击评估误差按钮,查看评估结果。

如误差值满足项目抓取精度要求,标定结果可用。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。