|
Halcon之根据SCARA手眼标定来执行拾取和放置
这个示例展示了如何使用SCARA机器人根据SCARA手眼校准确定的校准信息来执行拾取和放置应用程序。其主要分为两个部分： 一是利用模型图像来定义目标的形状； 二是根据形状模型，在每幅图像中寻找目标，对于选中的目标，计算机器人坐标，然后进行抓取。
（为了使示例适用于实际应用程序，必须通过摄像机获取图像，而不能从文件中读取）
* 为了使用提供的示例图像运行例程，必须将校正图像设置为true。
*
RectifyImages := true
*
* 读取HDevelop示例程序中的calibrate_hand_eye_scara_stationary_cam和align_hand_eye_scara_stationary_cam.hdev之一提供的校准信息。
try
* 读出手眼标定的结果
* 从文本文件中读取相机外部的3D位姿
read_pose ('cam_in_base_pose.dat', CamInBasePose)
* 读取被抓取物体的位姿估算所需的数据
* 从文本文件中读取相机内部参数
read_cam_par ('camera_parameters.dat', CameraParam)
* 读取在相机3D位姿上测量平面的的3D位姿，MPInCamPose为测量平面的3D位姿
read_pose ('measurement_plane_in_cam_pose.dat', MPInCamPose)
catch (Exception)
* 当文件的校准信息不能获取，则使用标注的校准信息代替
* 要提供文件上的校准信息，运行halcon例程中的 calibrate_hand_eye_scara_stationary_cam.hdev
* 或者 align_hand_eye_scara_stationary_cam.hdev
CamInBasePose := [0.05592166548,0.19497621789,0.48025117245,180.09816119,29.85593363,179.94389014,0]
CameraParam := [0.0165251,-642.277,4.65521e-006,4.65e-006,595.817,521.75,1280,1024]
MPInCamPose := [0.0045679683065,-0.0028695297318,0.4088853425,359.78658429,29.732027579,0.22946472765,0]
endtry
*
* 准备校准map以消除图像失真
if (RectifyImages)
* 将测量平面的3D位姿的点坐标转换为摄像机坐标系的齐次3D变换矩阵
prepare_rectification_map (Map, CameraParam, MPInCamPose, MappingScale, MPInCamPoseMapping)
* 将图像点转换为z=0的世界坐标系平面
image_points_to_world_plane (CameraParam, MPInCamPoseMapping, 0, 0, 'm', MapUpperLeftX, MapUpperLeftY)
endif
*
dev_update_off ()
* 设置HALCON系统参数，border_shape_models利用多个算子寻找形状模型
set_system ('border_shape_models', 'true')
*
* 此处, 应建立与机器人的连接，并将机器人移动到一个确定的备用位姿
* 以允许获取测量平面的无遮挡图像
*
* 确定被抓去对象的形状模型
* - 获取用于模型生成的图像
read_image (Image, '3d_machine_vision/handeye/scara_stationary_cam_setup_01_metal_parts_04')
* 图像校正
if (RectifyImages)
* 对图像进行一般变换
map_image (Image, Map, ModelImage)
else
* 如果不需要校正，则复制图像并为它分配一个新内存
copy_image (Image, ModelImage)
endif
*
dev_close_window ()
dev_open_window_fit_image (ModelImage, 0, 0, 600, 600, WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
dev_clear_window ()
dev_display (ModelImage)
dev_set_line_width (2)
*
* - 创建形状模型
*
* 创建一个平行于坐标轴的矩形(也可以用算子画任意方向的矩形)
draw_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2)
gen_rectangle1 (ModelROI, Row1, Column1, Row2, Column2)
* 使用离散高斯函数平滑图像
gauss_filter (ModelImage, ImageGauss, 5)
* 缩小图像的域，即将ROI区域分割出来
reduce_domain (ImageGauss, ModelROI, ImageReduced)
* 为匹配准备一个形状模型
* use_polarity：图像中的物体和模型必须具有相同的对比度。例如，如果模型是暗背景上的亮物体，那么只有当物体比背景亮时才会被发现。
create_shape_model (ImageReduced, 'auto', rad(0), rad(360), 'auto', 'auto', 'use_polarity', [10,50], 'auto', ModelID)
* 获取形状模型的面积和中心坐标
area_center (ModelROI, ModelROIArea, ModelROIRow, ModelROIColumn)
* 显示基于形状匹配的结果
dev_display_shape_matching_results (ModelID, 'green', ModelROIRow, ModelROIColumn, 0, 1, 1, 0)
*
* - 确定物体上的抓取点，可以通过在图像中标识(仅当工具能够以任何方向抓取物体时)
* 也可以通过用机器人抓取并记录各个机器人的位姿
*
DefineGraspingPointByRobot := true
* 通过机器人确定抓取点
if (DefineGraspingPointByRobot)
dev_set_colored (12)
* 抓取点模型的基本位姿（这里的参数都是提前设置好的，是关于模型图像中目标的坐标及角度）
GraspingPointModelInBasePose := [0.26745,0.1645,0.1229,0,0,20.5672,0]
* 将相机3D位姿中的每一个位姿进行反转
pose_invert (CamInBasePose, BaseInCamPose)
* 将反转后的3D位姿转换为齐次变换矩阵（进一步转换位姿）
pose_to_hom_mat3d (BaseInCamPose, BaseInCamHomMat3D)
* 将进一步转换后的位姿进行任意的放射变换
affine_trans_point_3d (BaseInCamHomMat3D, GraspingPointModelInBasePose[0], GraspingPointModelInBasePose[1], GraspingPointModelInBasePose[2], Qx, Qy, Qz)
* 把3D点投射到(子)像素图像坐标中
project_3d_point (Qx, Qy, Qz, CameraParam, GraspingPointModelRow, GraspingPointModelColumn)
* 抓取点模型的角度
GraspingPointModelAngle := GraspingPointModelInBasePose[5]
if (RectifyImages)
* 计算校正后的图像坐标
* 将图像点转换为z=0的世界坐标系平面
image_points_to_world_plane (CameraParam, MPInCamPoseMapping, GraspingPointModelRow, GraspingPointModelColumn, MappingScale, GraspingPointModelXMP, GraspingPointModelYMP)
GraspingPointModelRow := GraspingPointModelYMP - MapUpperLeftY / MappingScale
GraspingPointModelColumn := GraspingPointModelXMP - MapUpperLeftX / MappingScale
* 在修正后的模型图像中显示抓取姿态
get_image_size (ModelImage, WidthM, HeightM)
CamParamRect := [0,0,MappingScale,MappingScale,-MapUpperLeftX / MappingScale,-MapUpperLeftY / MappingScale,WidthM,HeightM]
GraspingPointModelXMP := MapUpperLeftX + GraspingPointModelColumn * MappingScale
GraspingPointModelYMP := MapUpperLeftY + GraspingPointModelRow * MappingScale
PoseCoordSystemVis := [GraspingPointModelXMP,GraspingPointModelYMP,0,0,0,GraspingPointModelAngle,0]
dev_set_colored (12)
disp_3d_coord_system (WindowHandle, CamParamRect, PoseCoordSystemVis, 0.02)
else
* 如果没有校正图像，则在原来的模型图像中显示抓取位姿
pose_invert (CamInBasePose, BaseInCamPose)
* 组合两个元组中给出的3D位姿
pose_compose (BaseInCamPose, GraspingPointModelInBasePose, PoseCoordSystemVis)
dev_set_colored (12)
disp_3d_coord_system (WindowHandle, CameraParam, PoseCoordSystemVis, 0.02)
endif
disp_message (WindowHandle, 'Model contours and grasping pose', 'window', 12, 12, 'black', 'true')
* 在图像中标识
else
* 使用二值阈值分割图像
binary_threshold (ImageReduced, Region, 'max_separability', 'light', UsedThreshold)
* 填补区域的漏洞
fill_up (Region, RegionFillUp)
* 侵蚀具有矩形结构元素的区域
erosion_rectangle1 (RegionFillUp, RegionErosion, 160, 1)
* 确定区域的最小周边矩形，即包含该区域的所有矩形中面积最小的矩形
smallest_rectangle2 (RegionErosion, GraspingPointModelRow, GraspingPointModelColumn, Phi, Length1, Length2)
* 为输入的点生成一个十字形的XLD轮廓线
gen_cross_contour_xld (GraspingPointModel, GraspingPointModelRow, GraspingPointModelColumn, 25, 0.785398)
dev_set_color ('yellow')
dev_display (GraspingPointModel)
disp_message (WindowHandle, 'Model contours and grasping point', 'window', 12, 12, 'black', 'true')
endif
area_center (ModelROI, ModelROIArea, ModelROIRow, ModelROIColumn)
* 设置形状模型的原点(参考点)
set_shape_model_origin (ModelID, GraspingPointModelRow - ModelROIRow, GraspingPointModelColumn - ModelROIColumn)
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
*
* 循环遍历图像中要被机器人抓取的物体
*
* 参数MPInCamPoseMapping的位姿变换 将测量平面的点坐标转换为摄像机坐标系的齐次三维变换矩阵
pose_to_hom_mat3d (MPInCamPoseMapping, MPInCamHomMat3DMapping)
for ImageIdx := 2 to 6 by 1
* 获取下一张图像
read_image (Image, '3d_machine_vision/handeye/scara_stationary_cam_setup_01_metal_parts_' + ImageIdx$'02d')
*
* 对图像进行校正，以允许使用基于标准形状的匹配来搜索对象的实例
*
if (RectifyImages)
map_image (Image, Map, SearchImage)
else
copy_image (Image, SearchImage)
endif
dev_clear_window ()
dev_display (SearchImage)
*
* 寻找对象实例
* 在图像中寻找形状模型的最佳匹配（如果应该找到图像中所有超过MinScore的模型实例，则必须将NumMatches设置为0）
find_shape_model (SearchImage, ModelID, rad(0), rad(360), 0.5, 0, 0.5, 'least_squares', [0,3], 0.9, Row, Column, Angle, Score)
if (|Row| |