pcl--第十二节 2D和3D融合和手眼标定

2D&3D融合

概述

截止目前为止，我们学习了机器人学，学习了2D和3D视觉算法。我们也学习了2D相机(图像数据的来源)和3D相机(点云数据的来源)工作原理。

实际上，我们最终要做的，是一个手眼机器人系统。在这个系统里，相机与机器人构成了两个非常关键的部分，它们之间需要密切配合，因此，它们之间的关系，也就非常重要。确定相机与机器人之间的关系，这是手眼标定要解决的问题。

另一方面，在很多场合，为了增强算法的鲁棒性，我们通常同时使用图像数据与点云数据，这又涉及到2D与3D配准的问题。

相机配准

• 方式一：

通过双重循环遍历

/**
     * 将彩色图和深度图合并成点云
     * @param matrix 相机内参矩阵3x3
     * @param rgb    彩色图
     * @param depth  深度图
     * @param cloud  输出点云
     */
static void convert(Mat &matrix, Mat &rgb, Mat &depth, PointCloud::Ptr &cloud) {
    double camera_fx = matrix.at(0, 0);
    double camera_fy = matrix.at(1, 1);
    double camera_cx = matrix.at(0, 2);
    double camera_cy = matrix.at(1, 2);

    cout << "fx: " << camera_fx << endl;
    cout << "fy: " << camera_fy << endl;
    cout << "cx: " << camera_cx << endl;
    cout << "cy: " << camera_cy << endl;

    // 遍历深度图
    for (int v = 0; v < depth.rows; v++)
        for (int u = 0; u < depth.cols; u++) {
            // 获取深度图中(m,n)处的值
            ushort d = depth.ptr(v)[u];
            // d 可能没有值，若如此，跳过此点
            if (isnan(d) && abs(d) < 0.0001)
                continue;
            // d 存在值，则向点云增加一个点
            PointT p;

            // 计算这个点的空间坐标
            p.z = double(d) / 1000; //单位是米
            p.x = (u - camera_cx) * p.z / camera_fx;
            p.y = (v - camera_cy) * p.z / camera_fy;

            // 从rgb图像中获取它的颜色
            // rgb是三通道的BGR格式图，所以按下面的顺序获取颜色
            Vec3b bgr = rgb.at(v, u);
            p.b = bgr[0];
            p.g = bgr[1];
            p.r = bgr[2];

            // 把p加入到点云中
            cloud->points.push_back(p);
            //cout << cloud->points.size() << endl;
        }


    // 设置并保存点云
    cloud->height = 1;
    cloud->width = cloud->points.size();
    cout << "point cloud size = " << cloud->points.size() << endl;
    cloud->is_dense = false;
}
int main(){
    cv::Mat cameraMatrix; // 从文件加载相机内参
    cv::Mat rgb;         // 从相机得到RGB彩色图
    cv::Mat depth;       // 从相机得到depth深度图
    PointCloud::Ptr pCloud = PointCloud::Ptr(new PointCloud);
    convert(cameraMatrix, rgb, depth, pCloud);
}

• 方式二：

通过指针遍历，并提前准备好计算矩阵

#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;

float qnan_ = std::numeric_limits::quiet_NaN();
const char *cameraInCailFile = "./assets/3DCameraInCailResult.xml";

Eigen::Matrix colmap;
Eigen::Matrix rowmap;
//const short w = 512, h = 424;
const short w = 1920, h = 1080;

void prepareMake3D(const double cx, const double cy,
                   const double fx, const double fy) {
    float *pm1 = colmap.data();
    float *pm2 = rowmap.data();
    for (int i = 0; i < w; i++) {
        *pm1++ = (i - cx + 0.5) / fx;
    }
    for (int i = 0; i < h; i++) {
        *pm2++ = (i - cy + 0.5) / fy;
    }
}
/**
 * 根据内参，合并RGB彩色图和深度图到点云
 * @param cloud
 * @param depthMat
 * @param rgbMat
 */
void getCloud(pcl::PointCloud::Ptr &cloud, Mat &depthMat, Mat &rgbMat) {
    const float *itD0 = (float *) depthMat.ptr();
    const char *itRGB0 = (char *) rgbMat.ptr();

    if (cloud->size() != w * h)
        cloud->resize(w * h);


    pcl::PointXYZRGB *itP = &cloud->points[0];
    bool is_dense = true;

    for (size_t y = 0; y < h; ++y) {

        const unsigned int offset = y * w;
        const float *itD = itD0 + offset;
        const char *itRGB = itRGB0 + offset * 4;
        const float dy = rowmap(y);

        for (size_t x = 0; x < w; ++x, ++itP, ++itD, itRGB += 4) {
            const float depth_value = *itD / 1000.0f;

            if (!isnan(depth_value) && abs(depth_value) >= 0.0001) {

                const float rx = colmap(x) * depth_value;
                const float ry = dy * depth_value;
                itP->z = depth_value;
                itP->x = rx;
                itP->y = ry;

                itP->b = itRGB[0];
                itP->g = itRGB[1];
                itP->r = itRGB[2];
            } else {
                itP->z = qnan_;
                itP->x = qnan_;
                itP->y = qnan_;

                itP->b = qnan_;
                itP->g = qnan_;
                itP->r = qnan_;
                is_dense = false;
            }
        }
    }
    cloud->is_dense = is_dense;
}

int main(){
    Mat cameraMatrix = cv::Mat_(3, 3);
    FileStorage paramFs(cameraInCailFile, FileStorage::READ);
    paramFs["cameraMatrix"] >> cameraMatrix;
    // 内参数据
    double fx = cameraMatrix.at(0, 0);
    double fy = cameraMatrix.at(1, 1);
    double cx = cameraMatrix.at(0, 2);
    double cy = cameraMatrix.at(1, 2);
    // 提前准备计算所需参数
    prepareMake3D(cx, cy, fx, fy);

    cv::Mat rgbMat;      // 从相机得到RGB彩色图
    cv::Mat depthMat;        // 从相机得到depth深度图
    pcl::PointCloud::Ptr cloud(new pcl::PointCloud());
    getCloud(cloud, depthMat, rgbMat)
}

手眼标定(外参标定) 

一、手眼标定的原理

图例说明：

• {b}：base基座标系
• {g}：gripper抓手坐标系
• {t}：target标定板坐标系
• {c}：camera相机坐标系

 

 

二、手眼标定的操作¶

1. 将标定板固定在机械臂末端
2. 开启机械臂，开启摄像头
3. 在距离摄像头40、60、80cm的距离上，在摄像头可见范围内，使用各种角度各拍照15-20张照片，一共45-60张。
4. 同时保存照片以及对应拍照时机械臂位姿
5. 准备好之前标定的相机内参
6. 执行手眼标定API，得到相机在基坐标系的表达（旋转矩阵R+平移向量t）

三、自己动手实现手眼标定及验证¶

• 从文件及图片读取照片

// Created by poplar on 19-7-25.
#include 
#include 
#include 

#include "boost/filesystem.hpp"   // includes all needed Boost.Filesystem declarations
#include 
#include 

#include "tinyxml/tinyxml2.h"
#include 

2D与3D融合实践¶

根据模板抓取指定物体：

制作模板，并计算取得相机到模板的变换矩阵T1，根据实时相机中拍到的物体进行模板匹配，得到变换矩阵T0，最后和相机的外参矩阵Tc进行矩阵相乘，得到目标在世界坐标系的表示，从而进行抓取操作。

一、制作模板：求T1¶

1. Kinect相机拍照（得到RGB图和深度图）

   01_PhotoCapture.cpp

2. 检测抓取位置(u,v)，根据内参及深度信息得到三个空间中的点坐标

   02_PointLocator.cpp

   03_TemplateMaker.cpp

3. 构建坐标系得到旋转矩阵T1，转成RPY进行抓取测试

   04_TestGrabTemplate.cpp

4. 生成点云图用于模板匹配（进行直通滤波及降采样）

   05_CreatePclCloud.cpp 验证变换矩阵

   06_TemplateCloudFilter.cpp 生成剪切后的模板

   • 实时的拍照得到RGB和深度图
   • 合成目标点云图
   • 通过直通滤波框定范围（得到感兴趣区域）
   • 将感兴趣区域进行降采样（提高模板匹配效率）

二、使用模板：求T0¶

准备好切割后的点云template.pcd以及对应的变换矩阵T1（可以有多个）

1. Kinect相机拍照（得到RGB图和深度图）

   01_PhotoCapture.cpp

2. 生成目标点云图

   07_TargetCloudFilter.cpp

3. 进行模板与目标点云图匹配（统一进行直通滤波及降采样），得到变换矩阵T0

   08_TemplateAlignment.cpp

三、进行抓取测试¶

09_TestGrabTarget.cpp√

T0 为目标在模板坐标系的表达 T1 为模板在相机坐标系的表达 Tc 为相机在基坐标系的表达

待优化事宜¶

1. 安全位置判定
2. 将盒子抓取到指定位置放置
3. 不间断抓取多个盒子
4. 准备多个模板，提高模板匹配姿态识别度
5. 设置间隔，实时进行模板匹配
6. 设置目标位置抓取动态延时
7. 自动避障
8. 其他

自己封装内外参标定工具¶

• 命令行版
• Qt版