焊接机器人视觉识别系统的摄像机的标定验证方法 焊接机器人视觉识别系统的摄像机的标定就是通过拍摄一组己知尺寸的标定板的图像去计算摄像机的参数的过程，而这些参数包括摄像机的内外参数。在前面的章节中已经介绍了摄像机的标定模型，这一节在标定模型的基础上进行标定实验，求取摄像机的内外参数。 zhang提出的利用旋转矩阵的正交条件及非线性最优化进行摄像机标定的方法，这种方法用平面模板代替了传统摄像机标定中的三维标定物，并且摄像机与平面模板间可以自由地运动，运动参数无需知道，该方法具有成本低，标定稳定性和精度高的优点，因此被广泛使用。 自MATLAB2013b版本起MATLAB对于二维相机的矫正或者相机标定提供了完整的解决方案，用户再也不需要编写复杂的MATLAB图像处理程序来计算相机的内参数和外参数，使用标准的靶标进行照相，然后把这些图片导入MATLAB相机标定工具箱即可。本文采用MATLAB自带的相机标定工具箱对摄像机进行标定，根据要求搭建图像采集系统，采集14幅有效图像，实验用的靶标是AutoCAD画的格子数为8×8、每个格子的大小为20mm ×20mm，按1: 1激光打印的棋盘格，如图2-4所示。 手持标定板，改变标定板的位置，采集14幅不同位置的图像进行标定。具体的标定流程如下: 打开MATLAB，运行主函数cameraCalibrator，进入相机标定窗口，导入事先采集好的照片。MATLAB相机标定过程简单方便，导入图片的过程会自动剔除质量不好的图片，提高相机的标定精度。相比之前要手动选取角点的版本，2013版本的MATLAB相机标定工具箱带来了极大的方便，导入图片后，点击calibration按钮后工具箱自动进行标定。标定结束后能直观地对标定结果进行分析。相机的标定界面如图2-5所示: 为提高标定精度，减小标定误差，MATLAB相机标定工具箱还提借反投影分析误差函数，通过对反投影误差比较大的照片进行剔除，优化标定结果，提高标定精度。图2-6是实验中的反投影误差分析图，从图中可以看到，第10幅图的反投影误筹最大，把反投影误差较大的照片去除后，从新讲行标定，能提高标定结果的精度。 导出标定结果如图2-7所示。

• 上一篇：焊接机器人的应用发展的三大阶段
• 下一篇：罗克韦尔自动化投资工业自动化人工智能