easy_handeye 使用教程

easy_handeye 使用教程

easy_handeye Automated, hardware-independent Hand-Eye Calibration 项目地址: https://gitcode.com/gh_mirrors/ea/easy_handeye

1. 项目介绍

easy_handeye 是一个用于ROS1的开源软件包，提供自动化的、硬件无关的手眼标定功能。它通过采样机器人的位置和跟踪系统输出（通过 tf），使用OpenCV库中的Tsai-Lenz算法实现计算手眼校准矩阵。此软件包包含一个GUI，可以存储校准结果，并在每次系统启动时发布校准结果作为 tf 变换。

2. 项目快速启动

在您的catkin工作空间中克隆此仓库：

cd ~/catkin_ws/src  # 替换为您的工作空间路径
git clone https://github.com/IFL-CAMP/easy_handeye.git

满足依赖项：

cd ..  # 现在我们在 ~/catkin_ws 目录下
rosdep install -iyr --from-paths src

构建：

catkin build

3. 应用案例和最佳实践

使用案例

如果您不熟悉Tsai的手眼校准，它可以以两种方式使用：

• eye-in-hand：计算机器人手部执行器与跟踪系统（例如，用于跟踪AR标记的RGB相机的光学帧）的参考框架之间的静态变换。在这种情况下，相机安装在末端执行器上，您将视觉目标放置在相对于机器人基座固定的位置；例如，您可以在桌子上放置一个AR标记。

• eye-on-base：计算从机器人的基座到跟踪系统（例如，站在机器人旁边的三脚架上的相机的光学帧）的静态变换。在这种情况下，您可以将标记（例如AR标记）附着在机器人的末端执行器上。

一个相关的eye-on-base校准示例是找到RGBD相机相对于机器人以进行对象碰撞避免的位置，例如使用 MoveIt!：提供了一个示例启动文件来执行这个常见任务。

最佳实践

• 在进行校准之前，确保机器人和跟踪系统已经正确启动，并且它们的 tf 帧已经在ROS中发布。
• 使用校准过程中的默认参数开始，然后根据您的特定设置调整参数。
• 在收集样本时，尽量覆盖机器人的工作空间，以便获得更准确的校准结果。

4. 典型生态项目

easy_handeye 可以与以下ROS项目配合使用，以创建一个完整的手眼校准和机器人应用解决方案：

• MoveIt!：用于机器人运动规划和执行的框架。
• rviz：用于可视化校准结果和机器人状态的ROS可视化工具。
• aruco：用于标记检测和定位的ROS包。

这些项目共同为开发机器人应用提供了一个强大的生态系统，涵盖了从校准到规划再到执行的整个流程。

easy_handeye Automated, hardware-independent Hand-Eye Calibration 项目地址: https://gitcode.com/gh_mirrors/ea/easy_handeye