1.一种消除机械臂累积误差的手眼标定方法,其特征在于,包括以下步骤:S1,移动机器人机械臂至N组不同的姿态,并获取第一相机采集到的第一标定板的第一组图像以及第二相机采集到的第二标定板的第二组图像,其中,所述第一相机和所述第二标定板分别安装在机器人机械臂上,所述第二相机和所述第一标定板分别安装在机器人外;
S2,根据所述第一组图像与所述第二组图像分别对所述第一相机和所述第二相机进行相机标定,得到所述第一相机的第一内参矩阵MC、第一畸变系数DC及第一外参矩阵 和所述第二相机的第二内参矩阵MC'、第二畸变系数DC'及第二外参矩阵 其中i=1,2,...,N;
S3,通过光束法平差优化对所述第二外参矩阵 进行优化,更新得到优化第二外参矩阵 所述步骤S3具体包括:根据所述第二内参矩阵MC'、第二畸变系数DC'及第二外参矩阵 建立以下代价函数:其中,N为拍摄图片的数量,K为一张标定板图像上特征点的数量,zij为检测出的标定板图像坐标,P为空间特征点在世界坐标系下的坐标, 为空间特征点从世界坐标系反投影到像素坐标系的计算函数,以最小化代价函数为目标,保持第二内参矩阵和第二畸变系数不变,只对第二外参矩阵进行光束法平差优化,迭代计算得到优化第二外参矩阵所述 的具体计算过程包括:
将空间特征点在世界坐标系下的坐标转换为相机坐标系下的坐标:P'=TiP=[X' Y' Z'];
其中,P′为P点在相机坐标系下的坐标,Ti为世界坐标系与相机坐标系的转换矩阵,其中, 将P投影至归一化平面,得到归一化物理坐标:T
Pc=[xc yc 1]=[X'/Z' Y'/Z' 1];
其中,Pc为归一化物理坐标,根据第二内参矩阵MC'中图像物理坐标系与像素坐标系之间的关系,获得特征点的像素坐标(uc,vc):其中,fxc、fyc为有效焦距,(cxc,cyc)为相机主点坐标;
考虑镜头的畸变情况,得到去畸变前的原始图像坐标:
2 4 6 2 2
uc=u′c(1+k1r+k2r+k3r)+2p1v'c+p2(r+2u′c);
2 4 6 2 2
vc=v'c(1+k1r+k2r+k3r)+p1(r+2v'c)+2p2u′c;
其中,(u'c,v'c)为去畸变前的图像坐标,(uc,vc)为去畸变后的图像坐标,第二畸变系数DC'包括(k1,k2,k3,p1,p2),其中,k1、k2、k3为径向畸变参数,p1、p2为切向畸变参数,r为像素距离,其中,(u'c,v'c)为计算反投影得到的像素坐标;
S4,根据所述第一外参矩阵 和所述优化第二外参矩阵 构建手眼标定模型,并计算得到手眼关系矩阵,所述步骤S4具体包括:
S41,根据所述第一外参矩阵 和所述优化第二外参矩阵 获得所述第一相机在i姿态和j姿态之间的相机坐标的转换矩阵Aij以及所述第一标定板在i姿态和j姿态之间的标定板坐标的转换矩阵Bij,所述相机坐标的转换矩阵Aij的计算公式为: 所述标定板坐标的转换矩阵Bij的计算公式为:
S42,构建AijX=XBij手眼标定模型,通过李群和李代数的方法求解得到所述手眼关系矩阵X。
2.根据权利要求1所述的消除机械臂累积误差的手眼标定方法,其特征在于,所述步骤S1中所述第一相机和所述第二相机分别安装在机器人机械臂末端法兰的第一位置和机器人外的第一位置;所述第一标定板与所述第二标定板分别安装在机器人外的第二位置和机器人机械臂末端法兰的第二位置,并使得机器人机械臂末端法兰原点与第一标定板坐标原点重合。
3.根据权利要求1所述的消除机械臂累积误差的手眼标定方法,其特征在于,所述步骤S2中采用张正友标定法分别对所述第一相机和所述第二相机进行相机标定。