Files

64 lines
4.6 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# A7 固定相机手眼标定
固定式 Intel RealSense D405 相机(eye-to-hand):拍摄棋盘 → 操作者用同一刚性触点对准格子中心 → 只读记录机械臂末端位姿 → 联合求解触点偏移和相机外参 → 独立验证。
支持A7左臂和右臂。控制器固定地址为 **192.168.10.21:9090**,通过ROSBridge订阅所选臂的 `/left/arm_state` 或 `/right/arm_state`。工具不发送机械臂或灵巧手动作,不切换使能,不自动部署结果。`capture` 会按需启动相机驱动。
配套抓取项目:[a7l20-cup-grasp](https://gitea.robotquan.com/liyang/a7l20-cup-grasp)。详细步骤见 **[完整标定教程](WORKFLOW.md)**。
## 安装
Ubuntu 24.04、系统Python 3.12、ROS 2 Jazzy、D405。先按[ROS官方说明](https://docs.ros.org/en/jazzy/Installation/Ubuntu-Install-Debs.html)配置ROS软件源,再安装:
```bash
sudo apt update
sudo apt install python3.12-venv python3-numpy python3-opencv util-linux \
ros-jazzy-ros-base ros-jazzy-sensor-msgs ros-jazzy-realsense2-camera
git clone https://gitea.robotquan.com/liyang/a7-handeye-calibration.git
cd a7-handeye-calibration
bash scripts/setup.sh
bash scripts/check.sh
```
相机驱动参考[realsense-ros安装说明](https://github.com/realsenseai/realsense-ros#installation-on-ubuntu),USB权限与内核支持参考[librealsense Linux指南](https://github.com/realsenseai/librealsense/blob/master/doc/distribution_linux.md)。确认D405接入可靠USB3接口,关闭占用它的Viewer/其他采集程序。
相机与棋盘检测使用系统Python的ROS、OpenCV和NumPy;触点读取和联合求解使用本仓库venv中的numpy/scipy/roslibpy。两者分开,避免系统ROS视觉包与pip NumPy ABI混用。无需A7 SDK动态库,也无需灵巧手CAN或大模型权重。需要覆盖解释器或ROS域时复制 `config/local.env.example` 为 `config/local.env` 后修改。
## 流程
在线控制器网页:**[http://192.168.10.21:8000/](http://192.168.10.21:8000/)**(电脑需接入控制器网络)。网页用于操作者给所选臂上使能/掉使能,9090端口仅用于脚本读取状态。
棋盘默认为 **8列×5行内角点、格长27 mm**,使用前核对实物。相机、棋盘和基座在整轮采集期间保持固定。
```bash
bash run.sh capture --arm left
bash run.sh status
bash run.sh record --arm left
bash run.sh solve --arm left
bash run.sh validate --arm left
```
实际操作顺序:
1. 第一步运行capture,打开当前会话的 `align_lines_left.png` 或 `align_lines_right.png`,查看格子对角线及编号。
2. 在控制器网页选择对应手臂,先上使能。
3. 启动record并保持运行;每点在网页掉使能,按标定线摆放法兰盘,使同一固定参考点对准目标格子中心,再上使能。
4. 确认有效状态恢复、法兰仍对准后,在采集脚本中输入对应锚点编号并回车。逐点重复掉使能、摆位、上使能、输入编号;采完输入 `done`。
5. 运行solve,再使用未参与求解的点运行validate。
右臂将 `--arm left` 改为 `--arm right`。分阶段操作,不要直接串行执行整组命令。采集与验证由操作者摆位,软件只读反馈;新消息不等于真实关节角已更新。
每次capture创建独立 `data/handeye_时间戳/`,会话指针为 `current_session.json`。样本与外参覆盖前自动存入会话内history,命令输出保存在logs。文件锁防止两轮同时写入。发布仓库不包含旧工位的真实采样或可直接套用的外参。
## 输出与接入抓取
验证后使用本轮 `camera.json`:`T_base_cam_opencv` 把相机OpenCV坐标转换到共同基座 `base_link`,单位米。`fingertip_offset_m` 是本轮所选臂固定触点相对于末端的偏移,不能迁移给另一只手。
抓取项目的默认入口使用**新RGB-D特征直接视觉伺服,不要求掌心Tag**。手眼外参提供相机与基座坐标关系,不能替代新视觉观测,也不等于末段实测局部运动映射。按[教程的部署步骤](WORKFLOW.md#8-接入杯子抓取项目)备份并替换抓取项目的外参文件;工具不会自动操作另一个项目。
## 验证范围
`bash scripts/check.sh` 只检查依赖、语法、纯离线合成数据求解和左右臂数据隔离,不连接相机或控制器。求解、采点和验证入口已做离线检查;重新打包后未采集真机数据,不宣称新的实物标定精度。
当前PnP沿用无畸变求解;使用前必须确认图像已校正或畸变可忽略。非零畸变需先适配求解器。训练拟合残差和图像重投影误差不能替代独立触点验证。代码来源、局限与验收记录见[VALIDATION.md](VALIDATION.md)。