- 博客(11)
- 收藏
- 关注
RSS订阅原创 问题记录：[FATAL] [1735822984.951119148]: Group ‘manipulator‘ was not found.
最近仿照UR5手眼标定的例程，在新的机械臂上进行手眼标定，还准备用easy_hand手眼标定包。
2025-01-02 21:32:00
445
原创 基于FastSAM模型的realsense实时图像分割
以上就是本小节的全部实验。工程难度的确不算大，主要是一个优化分割实时性的过程，对于后期应用到解决一些具体项目或者实际问题上肯定也会有很大的帮助，继续加油干！参考链接：1.英特尔Realsense学习笔记二: pyqt5 实时显示 Realsense D415 深度图像和彩色图像 并支持按钮保存图像2.中科院版「分割一切」Fast SAM模型 | 精度相当，速度提升50倍！目前GitHub6.9K+星3.FastSAM分割一切。
2024-12-10 19:57:49
834
原创 基于SAM的海康MVS工业相机全景分割
以上就是本次小demo的全部内容，整个流程实现难度并不大，但感觉挺新颖，所以浅浅记录一下，后续还会尝试将更多的工业场景下的设备与SAM结合进行部署和应用。参考链接：1.一文了解视觉分割新SOTA: SAM (Segment Anything Model)2.入门SAM看这一篇就够了3.海康威视工业相机SDK二次开发环境配置—Windows10+VS2017。
2024-11-01 15:46:22
786
4
原创 （二）.机器人学基础：目标检测与机械臂各坐标变换总结
以本项目为例，项目需要实现的功能是realsense相机识别aruco码，并让机械臂TCP末端移动到该位置以上就是从目标点像素坐标到机械臂基座标的全部转换，属于在项目铺垫中搭框架总结，实际对每一个环节还并没有做到深入细致的研究，以后有机会再慢慢改进。最后附上网上一张关于这些坐标系转换的图，直观感觉相当到位，后面面还得继续上下钻研求索。参考链接：《相机标定的原理及四个坐标系之间的关系》《相机的内参标定（实现原理+具体操作流程+实验结果）》《视觉SLAM14讲》 第五章。
2024-10-01 21:21:38
3395
原创 （一）.ubuntu18.04 realsense UR5手眼标定
使用UR5机械臂搭载realsense d435i相机识别物体并进行抓取，涉及到的技术路线包括：1.相机识别部分：安装realsense SDK,realsense_ros包，手眼标定相关包，识别aruco码，以及标定后各个坐标系之间的变换2.UR5机械臂部分：配置UR5机械臂运行环境，机械臂轨迹运动3.抓取部分：TCP末端夹爪抓取物体。
2024-09-16 10:55:34
1082
原创 （五）焊缝检测之--测量间距并用ROS消息包发送
在上一步中发送的是距离信息，但在实际情况下距离以及圆心和矩形框角点坐标都要发送给机械臂，并且是以浮点数而非数组的形式发送。因此，需要自定义数据格式，从数组中提取出各个数据，再一并发送。float32 distance_1 #两点在x轴方向间距float32 distance_2 #两点在y轴方向间距float32 point_1 #矩形角点x轴坐标float32 point_2 #圆心x轴坐标float32 point_3 #矩形角点y轴坐标float32 point_4 #圆心y轴坐标。
2024-08-26 20:24:19
953
原创 （四）焊缝检测之--矩形参照物检测
以上就是这一小节的全部内容。由于后期涉及到各个坐标系（像素，相机，基）坐标系之间的变换，从下一小节开始将记录标定相关的工作，以及通过ROS将这两节获取到的信息发送出去，后期有问题记录或者成果产出也继续随时更新博客内容。
2024-08-21 19:44:48
906
原创 （二）基于海康MVS相机实现图片采集
前言在焊缝识别系列上一章节里记录了软硬件环境的配置，由于海康SDK无法直接采集图像，需要手动修改，因此单独作为一个章节记录一下一、安装opencvOpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1]它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。在本小节
2024-08-12 20:20:05
3248
2
原创 实战--基于PYQT5的PaddleOCR摄像头文字识别软件搭建（附源码）
基于飞桨的OCR工具库，该项目名叫 PaddleOCR，是 Paddle 的一个分支；PaddleOCR 基于深度学习技术实现的， 所以使用时需要训练好的权重文件，但这个不需要我们担心，因为官方提供的有。包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。以上就是本篇博客的全部内容。当然，需要改进的地方还有很多。比如说文字识别后文字在介面框中的排版，需要做文字拼接等后处理工作；
2024-08-02 17:55:38
2642
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人