手眼標定（二）

1. 啟動kinnect驅動

 

roslaunch easy_handeye kinect2.launch

 

2. 啟動對Marker標定板的檢測，並廣播轉換關系（/base->/camera_marker）

 

roslaunch aruco_gridboard detection_verp.launch

 

3. 從話題中獲取轉換關系的信息（/base->/camera_marker）

 

rosrun tf_precision tf_listener

 

得到的信息里有：marker_to_camera pos:（0.411248，0.531724，-0.0522373）

 

后面的三個數字便是我們得到的maker在機器人坐標系下的pose.

 

上面三個其實可以放在一個package里，建議再復制創建一個aruco_gridboard的package。

 

---

​

 

tf_precision package 是我最開始寫的進行誤差測量的package。

 

在位置一 記錄 marker 和 gripper的相對與 機器人底座的位姿， 在位置二記錄maker 和 gripper的 相對於機器人底座的位姿， 計算在底座坐標系下，maker兩個位置的 R和T， gripper的R和T，比較這兩個R 和兩個T ，就能比較相機注冊的精確度，當時考慮的是剛體的位姿變化應該是相同的（marker和gripper的相對位置關系是不變的），但如果以gripper為中心轉動，其實marker和gripper的變化是不一樣的，誤差校驗程序寫出來誤差一直很大。

 

這里面包括，計算位置轉換的代碼，發布話題的代碼，計算旋轉的誤差都是可以重用的，值得看看。

​​

 

 

---

​

 

4. 獲取到pose后，讀入到pose_goto(參考pick_place package) package 的pick_and_place_pick.py

 

position=Point(x=0.385966, y=0.526913, -0.0845007+OFFSET)

 

注意：OFFSET在做精度測試的時候注意設置的大一些，防止針撞歪。

 

rosrun pose_goto pick_and_place_pick

 

這樣就可以直觀看精度大小了

 

​​

 

 

 

1、相機獲取固定標定板（board_1）的頂點pose

​​

 

2、將標定板（board_1）頂點坐標轉換為機器人基座坐標系下坐標，移動機器人手臂末端針到達該定點

 

3、獲取此時機械臂末端標定板（board_2）的坐標

​​

 

4、將這個手臂端標定板（board_2）坐標P_test，與機器人手臂末端針准確指向標定板（board_1）定點時，手臂端標定板（board_2）坐標P_groudtruth，做比較，得出XYZ軸上的偏移，算出誤差。

​​​​​​

 

	X	Y	Z
P_groudtruth	0.198296	0.758359	-0.273707
P_test_1	0.192049	0.758319	-0.272161
P_test_2	0.194142	0.758159	-0.269117
P_test_3	0.193949	0.757703	-0.270348