Eye2HandSolution

1. 描述

定义坐标系：o-模板（目标）坐标系、B-基坐标系、E-末端坐标系、C-相机坐标系；

具体算法推导见手眼标定方程详解.pdf

整个流程包含：机械臂、红外相机采集数据[Ps_cam, pose_arm]->算法求优->手眼协同；

手眼协同测试：设定目标位置（Ps_{target}），计算出目标位置对应的arm pose，控制机械臂完成运动，计算终止位置Ps_{end}与目标位置的距离误差RMSE。

2. 实现

提供了两个版本的实现：

• matlab：完成了T_B2C、T_E2o的求解
• python：待完成优化环节

matlab版本使用fmincon求优工具箱实现了T_B2C的求优，python使用SciPy求优库的minimize函数求优（目前效果不佳，待改进）

python版本的main.py完成了：

• 接收相机定位数据
• 可选自动更新T_E2o
• 计算设定目标位置所需的机械臂参数arm pose=[Px,Py,Pz,Rx,Ry,Rz]
• 控制机械臂运动并计算运动误差rmse(target, end)

3. Usage

S1: 使用Eye2Hand(python ver)/auto_collect_proc.py完成数据采集（单轴移动和自由采集N组），实际上单轴移动采集的数据也可用于求优T_B2C，但相同数据既提供初值又完成求优效果会差一些；

S2: 将导出的Pc_single_axis.mat和P_C_N_and_arm_pose_N.mat导入MATLAB，在Eye2Hand(matlab ver)/calRT_CAM2BASE_v2.m求解T_B2C；

S3: 手动更新T_B2C_opt.yaml文件；

S4: 使用Eye2Hand(python ver)/main.py完成手眼协同控制测试；

4. TODO

• 完成python版本的求优环节，避免用MATLAB折中处理；

• 优化手眼协同；

5. Note

在求解t_B2C时，使用被动标识球靠近机械臂底座，此时读取到的相机坐标系下坐标值接近t_B2C!!!