CN112809668A - 一种机械臂自动手眼标定的方法及系统、终端 - Google Patents

Abstract

本发明提供一种机械臂自动手眼标定的方法及系统、终端，包括：S1，设定数据采集所需要的姿态边界点，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；S2，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；S3，在S1设定的范围内均匀采样预定数量的采样点，所述采样点是在标定板坐标系下相机的姿态位置；S4，控制所述机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定。本发明在选择标定姿态的时候只需要人工预定姿态的边界，不需要人工定义每一个标定点位，大大减少了人工成本。

Description

一种机械臂自动手眼标定的方法及系统、终端

技术领域

本发明涉及计算机视觉相机标定和机械臂控制领域，具体地，涉及一种机械臂自动手眼标定的方法及系统、终端。

背景技术

相机标定是计算机视觉领域中的一个基本问题。相机标定分为相机内参标定和外参标定。内参标定的目的是得到相机本身的成像属性，外参标定的目的是得到相机的姿态和位置。手眼标定通常指在一个系统中有一个或者多个机械臂，一个或者多个相机，求解相机和机械臂之间的姿态关系的过程。

由视觉传感器与工业机器人机械手的位置关系可将视觉传感器系统分为：眼在手上(Eye-in-Hand)和眼在手外(Eye-to-Hand)两种形式。这两种形式都是通过选取一系列采样点，每一个采样点中标定板和相机之间的姿态关系不同，再通过这些采样点来计算出手眼之间的位姿关系。目前采样点的选取主要是通过人工控制或者预定点位实现。

经对现有技术的检索，中国发明专利《一种机械臂末端相机手眼标定方法和系统》(CN109658460A)中提出了一种一般性的眼在手外的手眼标定流程，其通过最小二乘法求解相机和机械臂之间的关系，不涉及标定时机械臂姿态的选取，需要进行人工操作或者预先定义。

标定姿态的选取会在很大程度上影响标定的效果，而姿态的选取取决于标定板的位置，标定板的位置发生变化的时候预先设定好的姿态也无法得到预期的精度；其次，对标定采样点位姿的选择没有提及，无论是人工操作还是预先定义位置，在新场景新环境下部署的时候选点等操作都需要重新进行，由于选点的差异会导致标定结果波动较大，都会不可避免地引入人工成本。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种低成本、精度高的机械臂自动手眼标定的方法及系统、终端。

本发明的一个方面，提供一种机械臂自动手眼标定的方法，包括：

S1，设定数据采集所需要的姿态边界点，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

S2，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；

S3，以S2中标定板初始位置作为采样点生成的基准点，在S1设定的范围内均匀采样预定数量的采样点，所述采样点是在标定板坐标系下相机的姿态位置；

S4，控制所述机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定。

可选地，S2中，所述根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置，包括：

S2.1：在S1定义的距离范围内随机生成一个距离，在角度范围内随机生成一组角度；

S2.2：控制机械臂从起始位置向2.1中生成的姿态位置移动，每移动一设定距离采集一张图片，若图片中已无法识别出标定板或者已到达2.1中生成的位姿，则停止；停止时已有采集到的数据，取最近一次采集的数据作为初始标定的数据点之一，否则重复2.1直到采集到数据；

S2.3：重复2.1和2.2，直到已采集足够数量的初始数据；

S2.4：根据2.3中采集到的数据点计算眼在手上的标定，求出标定板到基座，相机到机械臂尖端的外参矩阵。

可选地，S3中，所述在S1设定的范围内均匀采样预定数量个采样点，包括：

S3.1：在S1设定的距离范围内等概率随抽样n个距离，n为预定采样点的数量；

S3.2：在S1设定的角度范围内等概率随抽样n组角度，其中每一组角度包含四个参数，第一个参数描述相机到标定板坐标中心的方位角，从0度到360度之间等距离抽取；第二个参数描述相机到标定板坐标中心的俯仰角，从S1设定的范围中等间隔抽取；第三个参数描述相机到标定板坐标中心的翻滚角，从S1设定的范围中等间隔抽取；

S3.3：基于S3.1和S3.2中所采样的距离和角度能确定唯一的相机相对于标定板坐标系的位置和姿态，此时，相机的光轴朝向标定板坐标系的正中心，在保证标定板在视野中的情况下随机在相机的x轴和y轴方向随机抽取一个偏移角，来保证标定板可能出现在画面中的任意位置；

S3.4：组合S3.1、S3.2、S3.3中所生成的距离和角度得到n个标定采样点。

可选地，S4中，控制所述机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定，包括：

S4.1：对于S3所生成的所有采样点，将其位姿换算到机械臂关节空间中，每一个姿态使用机械臂所有关节的角度来描述；

S4.2：以两个姿态间对应关节角度差最大值作为衡量两个姿态之间距离的指标，计算遍历所有采样点的最短路径；

S4.3：按照S4.2中得到的最短路径顺序遍历所有采样点的过程中，每采集一个点就重新计算手眼标定，求出标定板到基座、相机到机械臂尖端的外参矩阵，并且依据更新后的矩阵采集下一个采样点。

本发明的第二方面，提供一种统一两种机械臂手眼标定的系统，包括：

路径规划模块，该模块根据数据采集所需要的姿态边界点，规划机械臂在空间中运动的路径，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

数据采集模块，该模块控制所述机械臂按照所述路径规划模块规划的路径运动，在设定的范围内均匀采样预定数量个采样点，同时控制相机在每个采样点进行拍照；根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；所述采样点是在标定板坐标系下相机的姿态位置；

标定计算模块，该模块根据所述数据采集模块采集的数据，在每个采样点进行计算，实现机械臂自动手眼标定。

可选地，所述数据采集模块，包括：

机械臂控制模块，该模块与机械臂进行交互，向机械臂发送动作指令以及读取机械臂运行状态；

相机控制模块，该模块与相机进行交互，控制相机的工作，并设置相机参数，发送拍摄指令，以及读取相机拍摄的结果；

数据存储模块，该模块对所述机械臂控制模块和所述相机控制模块获取的机械臂数据、相机数据进行整理和存储，其中所述整理是指按照采样点的顺序对机械臂姿态信息进行序列化，对相机信息按照时间戳命名并且汇总。

可选地，所述标定计算模块，包括：

数据读取模块，该模块读取已采集的用于标定的原始数据，所述原始数据指每一个采样点中由相机采样的图片以及机械臂的姿态；

PNP模块，该模块根据所述数据读取模块读取的数据，计算标定板和相机之间的位姿；

手眼标定计算模块，该模块根据PNP模块获得的位姿，使用可选的多种算法进行手眼标定的计算，计算得到相机和机械臂之间以及相机和标定板之间的姿态关系。

本发明的第三方面，提供一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行所述机械臂自动手眼标定的方法。

与现有技术相比，本发明实施例具有如下至少一种有益效果：

1)本发明自动基于标定板的位置来选取采样点位置，在不同的场景设定下选取的采样点相似，能够得到较为稳定，统一的标定效果，提高精度。

2)本发明自动基于标定板的位置来选取采样点位置，只需要人工选择距离，角度边界，无需过多人工操作，免去了每次重新选点，提高了效率，降低人工成本，方便在不同的环境下部署。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例机械臂自动手眼标定的方法流程图；

图2为本发明一实施例机械臂自动手眼标定的系统模块框图；

图3为本发明一较优实施例机械臂自动手眼标定的方法流程图；

图4为本发明一实施例标定板、机械臂坐标关系原理图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

图1为本发明一实施例机械臂自动手眼标定的方法流程图；如图1所示，该实施例中的方法，可以按照以下步骤实现：

S1，设定数据采集所需要的姿态边界点，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

S2，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；

S3，在S1设定的范围内均匀采样预定数量个采样点，采样点是在标定板坐标系下相机的姿态位置；

S4，控制机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定。

本发明上述实施例自动基于标定板的位置来选取采样点位置，在不同的场景设定下选取的采样点相似，能够得到较为稳定，统一的标定效果。当然，在其他预选实施例中，在上述S4后，还可以进一步标定结果进行自我检查。

作为一优选实施例，上述的S2中，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置，包括：

S2.1：在S1定义的距离范围内随机生成一个距离，在角度范围内随机生成一组角度；

S2.2：控制机械臂从起始位置向2.1中生成的姿态位置移动，每移动一设定距离采集一张图片，若图片中已无法识别出标定板或者已到达2.1中生成的位姿，则停止；停止时已有采集到的数据，取最近一次采集的数据作为初始标定的数据点之一，否则重复2.1直到采集到数据；

S2.3：重复2.1和2.2，直到已采集足够数量的初始数据；

S2.4：根据2.3中采集到的数据点计算眼在手上的标定，求出标定板到基座，相机到机械臂尖端的外参矩阵。

作为一优选实施例，上述的S3中，在S1设定的范围内均匀采样预定数量个采样点，包括：

S3.1：在S1设定的距离范围内等概率随抽样n个距离，n为预定采样点的数量；

S3.2：在S1设定的角度范围内等概率随抽样n组角度，其中每一组角度包含四个参数，第一个参数描述相机到标定板坐标中心的方位角，从0度到360度之间等距离抽取；第二个参数描述相机到标定板坐标中心的俯仰角，从S1设定的范围中等间隔抽取；第三个参数描述相机到标定板坐标中心的翻滚角，从S1设定的范围中等间隔抽取；

S3.3：基于S3.1和S3.2中所采样的距离和角度能确定唯一的相机相对于标定板坐标系的位置和姿态，此时，相机的光轴朝向标定板坐标系的正中心，在保证标定板在视野中的情况下随机在相机的x轴和y轴方向随机抽取一个偏移角，来保证标定板可能出现在画面中的任意位置；

S3.4：组合S3.1、S3.2、S3.3中所生成的距离和角度得到n个标定采样点。

本发明上述实施例自动基于标定板的位置来选取采样点位置，只需要人工选择距离，角度边界，无需过多人工操作，免去了每次重新选点，提高了效率，方便在不同的环境下部署。

作为一优选实施例，上述的S4中，控制机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定，包括：

S4.1：对于S3所生成的所有采样点，将其位姿换算到机械臂关节空间中，每一个姿态使用机械臂所有关节的角度来描述；

S4.2：以两个姿态间对应关节角度差最大值作为衡量两个姿态之间距离的指标，计算遍历所有采样点的最短路径；

S4.3：按照S4.2中得到的最短路径顺序遍历所有采样点的过程中，每采集一个点就重新计算手眼标定，求出标定板到基座、相机到机械臂尖端的外参矩阵，并且依据更新后的矩阵采集下一个采样点。

图2为本发明一实施例机械臂自动手眼标定的系统模块框图。

参照图2所示，本实施例中提供一种机械臂自动手眼标定的系统，包括：

路径规划模块，该模块根据数据采集所需要的姿态边界点，规划机械臂在空间中运动的路径，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

数据采集模块，该模块控制机械臂按照路径规划模块规划的路径运动，在设定的范围内均匀采样预定数量个采样点，同时控制相机在每个采样点进行拍照；根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；采样点是在标定板坐标系下相机的姿态位置；

标定计算模块，该模块根据数据采集模块采集的数据，在每个采样点进行计算，实现机械臂自动手眼标定。

在一优选实施例中，数据采集模块，包括：

机械臂控制模块，该模块与机械臂进行交互，向机械臂发送动作指令以及读取机械臂运行状态；

相机控制模块，该模块与相机进行交互，控制相机的工作，并设置相机参数，发送拍摄指令，以及读取相机拍摄的结果；

数据存储模块，该模块对机械臂控制模块和相机控制模块获取的机械臂数据、相机数据进行整理和存储，其中整理是指按照采样点的顺序对机械臂姿态信息进行序列化，对相机信息按照时间戳命名并且汇总。

在一优选实施例中，标定计算模块，包括：

数据读取模块，该模块读取已采集的用于标定的原始数据，原始数据指每一个采样点中由相机采样的图片以及机械臂的姿态；

PNP模块，该模块根据数据读取模块读取的数据，计算标定板和相机之间的位姿；

手眼标定计算模块，该模块根据PNP模块获得的位姿，使用可选的多种算法进行手眼标定的计算，计算得到相机和机械臂之间以及相机和标定板之间的姿态关系。

在图2所示实施例基础上，为了进一步保证结果的准确，作为一个优选，机械臂自动手眼标定的系统，包括如下模块：

路径规划模块：用于规划机械臂在空间中运动的路径；

数据采集模块：用于采集和存储标定计算所需要的数据；

标定计算模块：用于通过不同的算法计算相机和机械臂之间以及相机和标定板之间的姿态关系；

自检查模块：用于对标定结果做初步自我检查。

本发明上述实施例中的系统，具体各模块实现的技术可以对应采用上述方法实施例中的具体技术，在此不再赘述。

在本发明另一实施例中，还提供一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时可用于执行上述任一实施例中的机械臂自动手眼标定的方法。

为了更好地对本发明上述技术进行说明，以下结合具体应用实例，但是应该理解的是，以下具体实例并不用来限定本发明。

参照图3所示，结合上述方法和系统，对六轴机械臂和安装在机械臂尖端的相机进行眼在手上的手眼标定；本实施例提供了对六轴机械臂进行手眼标定的方法，该方法通过路径规划，数据采集，标定计算等步骤实现了对机械臂的眼在手上与眼在手外的手眼标定。具体包括如下步骤：

步骤1：安装准备待进行手眼标定的设备，将标定板放置在相机视野的中间区域；

步骤2：设定数据采集所需要的姿态边界点，这里需要指定相机中心到标定板之间的距离范围和相机光轴到标定板法线之间的角度范围；具体地，包含距离，方位角，俯仰角和翻滚角；

步骤3：通过路径规划模块与标定计算模块协调，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点(包括但不限于5个)用于估算标定板初始位置；

步骤4：在步骤2定义的范围内均匀采样预定数量个采样点，这里所采样的点是在标定板坐标系下相机的姿态位置；

步骤5：控制机械臂逐一经过采样点，同时控制相机在每个采样点进行拍照，储存，和计算；每个新的采样点计算后更新标定板在机械臂坐标系下的位置以及相机相对于机械臂尖端的位置并且使用更新后的结果更新下一个采样点的位置；

步骤6：在计算结束之后使用自检查模块对标定结果做一个初步的自我检查；

本实施例中，步骤3包括如下步骤：

步骤3.1：在步骤2定义的距离范围内随机生成一个距离，在角度范围内随机生成一组角度；

步骤3.2：控制机械臂从起始位置向步骤3.1中生成的姿态位置移动，每移动5％的距离采集一张图片，如果图片中已经无法识别出标定板或者已经到达3.1中生成的位姿，则停止；如果停止时候已有采集到的数据，取最近一次采集的数据作为初始标定的数据点之一，否则重复3.1直到采集到数据；

步骤3.3：重复3.1和3.2，直到已采集足够数量的初始数据(包括但不限于5个数据点)；

步骤3.4：根据3.3中采集到的数据点使用标定计算模块计算眼在手上的标定，求出标定板到基座，相机到机械臂尖端的外参矩阵(包括但不限于使用基于Kroneckerproduct，四元数等算法)。

上述优选实施例中，通过步骤3实现了在新环境下自动开始标定的效果.不再像现有技术一样需要手动设定一系列用于标定的姿态，进一步减少了人工操作，也提升了新环境部署的效率。

本实施例中，步骤4包括如下步骤：

步骤4.1：在步骤2定义的距离范围内等概率随抽样n个距离(这里n为预定采样点的数量)；

步骤4.2：在步骤2定义的角度范围内等概率随抽样n组角度，其中每一组角度包含四个参数，第一个参数描述相机到标定板坐标中心的方位角，从0度到360度之间等距离抽取；第二个参数描述相机到标定板坐标中心的俯仰角，从步骤2预定范围中等间隔抽取；第三个参数描述相机到标定板坐标中心的翻滚角，从步骤2预定范围中等间隔抽取；

步骤4.3：步骤4.1和步骤4.2中所采样的距离和角度可以确定唯一的相机相对于标定板坐标系的位置和姿态，此时相机的光轴朝向标定板坐标系的正中心，此时在保证标定板仍然在视野中的情况下随机在相机的x轴和y轴方向随机抽取一个偏移角，来保证标定板可能出现在画面中的任意位置；

步骤4.4：组合步骤4.1，步骤4.2，步骤4.3中所生成的距离和角度得到n个标定采样点。

以上优选实施例中，步骤4以步骤3中得到的初步结果为基准，生成相对于标定板位置固定的一系列点用于采样，相对于现有技术可以使得在不同部署场景下使用同样的采样点取点方式，使得标定结果有更强的稳定性，不会像现有技术一样在新场景部署的时候重新选点导致标定效果受选点位置影响。

本实施例中，步骤5包括如下步骤：

步骤5.1：对于步骤4所生成的所有采样点，将其位姿换算到机械臂关节空间中，每一个姿态使用机械臂所有关节的角度来描述；

步骤5.2：以两个姿态间对应关节角度差最大值作为衡量两个姿态之间距离的指标，计算遍历所有采样点的最短路径；

步骤5.3：按照步骤5.3中得到的最短路径顺序遍历所有采样点的过程中，每采集一个点就重新计算手眼标定，求出标定板到基座，相机到机械臂尖端的外参矩阵，并且依据更新后的矩阵采集下一个采样点。

以上优选实施例中，步骤5通过使用关节坐标来计算最短路径可以使得机械臂在整个标定过程移动的尽可能少，从而达到标定尽可能快的效果；同时在标定过程中有一个重新计算标定结果并且更新的步骤，这样可以减弱当步骤3中初步标定偏差带来的影响。

本实施例中，步骤6包括以下步骤：

步骤6.1：无论是眼在手上还是眼在手外的情况，对于每一个采集了的数据点我们可以通过计算AxB^-1来得到基于x计算的y’(坐标关系如图4)；

步骤6.2：将多组步骤6.1中计算得到的y’与步骤5中最终计算出的y做误差分析(包括但不限于换算成欧拉角或四元数后统计)。

上述优选实施例中，步骤6主要为了实现误差分析，可以对标定结果有一个初步评估，可与标准状况中的误差指标做对比。

本发明上述各实施例在选择标定姿态的时候只需要人工预定姿态的边界，不需要人工定义每一个标定点位，大大减少了人工成本，同时，自动基于标定板的位置选点，选点相对于标定板的位置基本不变，标定结果不会发生很大的波动，提高了标定精度。

需要说明的是，本发明提供的所述方法中的步骤，可以利用所述系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。上述各优选特征在互不冲突的情况下，可以任意组合使用。

Claims (10)

1.一种机械臂自动手眼标定的方法，其特征在于，包括：

S1，设定数据采集所需要的姿态边界点，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

S2，根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；

S3，以S2中标定板初始位置作为采样点生成的基准点，在S1设定的范围内均匀采样预定数量的采样点，所述采样点是在标定板坐标系下相机的姿态位置；

S4，控制所述机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定。

2.根据权利要求1所述的机械臂自动手眼标定的方法，其特征在于，S2中，所述根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置，包括：

S2.1：在S1定义的距离范围内随机生成一个距离，在角度范围内随机生成一组角度；

S2.2：控制机械臂从起始位置向2.1中生成的姿态位置移动，每移动一设定距离采集一张图片，若图片中已无法识别出标定板或者已到达2.1中生成的位姿，则停止；停止时已有采集到的数据，取最近一次采集的数据作为初始标定的数据点之一，否则重复2.1直到采集到数据；

S2.3：重复2.1和2.2，直到已采集足够数量的初始数据；

S2.4：根据2.3中采集到的数据点计算眼在手上的标定，求出标定板到基座，相机到机械臂尖端的外参矩阵。

3.根据权利要求1所述的机械臂自动手眼标定的方法，其特征在于，S3中，所述在S1设定的范围内均匀采样预定数量个采样点，包括：

S3.1：在S1设定的距离范围内等概率随抽样n个距离，n为预定采样点的数量；

S3.2：在S1设定的角度范围内等概率随抽样n组角度，其中每一组角度包含四个参数，第一个参数描述相机到标定板坐标中心的方位角，从0度到360度之间等距离抽取；第二个参数描述相机到标定板坐标中心的俯仰角，从S1设定的范围中等间隔抽取；第三个参数描述相机到标定板坐标中心的翻滚角，从S1设定的范围中等间隔抽取；

S3.3：基于S3.1和S3.2中所采样的距离和角度能确定唯一的相机相对于标定板坐标系的位置和姿态，此时，相机的光轴朝向标定板坐标系的正中心，在保证标定板在视野中的情况下随机在相机的x轴和y轴方向随机抽取一个偏移角，来保证标定板可能出现在画面中的任意位置；

S3.4：组合S3.1、S3.2、S3.3中所生成的距离和角度得到n个标定采样点。

4.根据权利要求1所述的机械臂自动手眼标定的方法，其特征在于，S4中，控制所述机械臂逐一经过S3采样点，同时控制相机在每个采样点进行拍照和计算，实现机械臂自动手眼标定，包括：

S4.1：对于S3所生成的所有采样点，将其位姿换算到机械臂关节空间中，每一个姿态使用机械臂所有关节的角度来描述；

S4.2：以两个姿态间对应关节角度差最大值作为衡量两个姿态之间距离的指标，计算遍历所有采样点的最短路径；

S4.3：按照S4.2中得到的最短路径顺序遍历所有采样点的过程中，每采集一个点就重新计算手眼标定，求出标定板到基座、相机到机械臂尖端的外参矩阵，并且依据更新后的矩阵采集下一个采样点。

5.根据权利要求1所述的机械臂自动手眼标定的方法，其特征在于，还进一步包括：对标定结果做自我检查。

6.根据权利要求1所述的机械臂自动手眼标定的方法，其特征在于，所述方法还进一步包括：在S4计算结束之后，对标定结果做一个自我检查；

所述对标定结果做自我检查，包括：

无论是眼在手上还是眼在手外的情况，对于每一个采集了的数据点通过计算AxB^-1得到基于x计算的y’，A为标定板到相机的外参矩阵，x为相机到机械臂基座的外参矩阵，B为机械臂基座到机械臂尖端的外参矩阵；

将多组计算得到的y’与最终计算出的y做误差分析。

7.一种机械臂自动手眼标定的系统，其特征在于，包括：

路径规划模块，该模块根据数据采集所需要的姿态边界点，规划机械臂在空间中运动的路径，并设定相机中心到标定板之间的距离范围以及相机光轴到标定板法线之间的角度范围；

数据采集模块，该模块控制所述机械臂按照所述路径规划模块规划的路径运动，在设定的范围内均匀采样预定数量的采样点，同时控制相机在每个采样点进行拍照；根据机械臂的初始位置，在保证标定板在视野内的情况下微调姿态采集少量数据点用于估算标定板初始位置；所述采样点是在标定板坐标系下相机的姿态位置；

标定计算模块，该模块根据所述数据采集模块采集的数据，在每个采样点进行计算，实现机械臂自动手眼标定。

8.根据权利要求7所述的机械臂自动手眼标定的系统，其特征在于，所述数据采集模块，包括：

机械臂控制模块，该模块与机械臂进行交互，向机械臂发送动作指令以及读取机械臂运行状态；

相机控制模块，该模块与相机进行交互，控制相机的工作，并设置相机参数，发送拍摄指令，以及读取相机拍摄的结果；

数据存储模块，该模块对所述机械臂控制模块和所述相机控制模块获取的机械臂数据、相机数据进行整理和存储，其中所述整理是指按照采样点的顺序对机械臂姿态信息进行序列化，对相机信息按照时间戳命名并且汇总。

9.根据权利要求7所述的机械臂自动手眼标定的系统，其特征在于，所述标定计算模块，包括：

数据读取模块，该模块读取已采集的用于标定的原始数据，所述原始数据指每一个采样点中由相机采样的图片以及机械臂的姿态；

PNP模块，该模块根据所述数据读取模块读取的数据，计算标定板和相机之间的位姿；

手眼标定计算模块，该模块根据PNP模块获得的位姿，使用可选的多种算法进行手眼标定的计算，计算得到相机和机械臂之间以及相机和标定板之间的姿态关系。

10.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-6任一所述的机械臂自动手眼标定的方法。

Images