坐标转换矩阵的确定方法及装置、存储介质、电子装置制造方法及图纸

本发明专利技术提供了一种坐标转换矩阵的确定方法及装置、存储介质、电子装置，上述方法包括：获取标定板上多个标识信息的多个三维坐标数据，以及标定设备在移动至所述标定板的多个位置上时，所述标定设备对应的多个标定设备坐标，其中，所述多个标识信息分别对应设置在所述多个位置；根据所述多个三维坐标数据和所述多个标定设备坐标对神经网络模型进行训练，以确定所述神经网络模型对应的坐标转换矩阵，其中，所述坐标转换矩阵用于将深度相机输出的三维坐标数据以及标定设备坐标进行转换，采用上述技术方案，解决了相关技术中在3D深度相机精度不高的情况下，通过标定设备(例如，机器人)实现手眼标定的精度不高等问题。

【技术实现步骤摘要】
坐标转换矩阵的确定方法及装置、存储介质、电子装置
本专利技术涉及通信领域，具体而言，涉及一种坐标转换矩阵的确定方法及装置、存储介质、电子装置。
技术介绍
在控制机器人与深度相机坐标系的标定过程中，通过深度相机识别检测物体，控制机器人抓取目标，但这个抓取过程会存在精度不高等问题。相关技术中提供了一种技术方案：机器人带着标定移动多个位置，通过三个坐标系的转换求出机器人与深度相机坐标系变换关系，例如，其中：T为机器人与深度相机坐标系变换，建立多个等式可T求出矩阵；其中：每次移动一个位置即可得到相应的坐标系变换矩阵，建立等式多次可T求出矩阵，但该方案使用眼在手外标定方法，必须计算出实际的很难通过2维标定板确定相机与标定板之间的关系，就需要假定一个相机也存在一个类似的坐标系，是不合理的，且计算繁琐。相关技术中还提供了一种技术方案，获取机器人法兰盘相对于机器人基坐标的姿态和标定板相对于3D传感器坐标系的姿态；计算3D传感器坐标系相对于机器人基坐标系的旋转矩阵；获取工件抓取点在3D传感器坐标系中的多组坐标数据，和在机器人底座基本文档来自技高网...

【技术保护点】
1.一种坐标转换矩阵的确定方法，其特征在于，包括：/n获取标定板上多个标识信息的多个三维坐标数据，以及标定设备在移动至所述标定板的多个位置上时，所述标定设备对应的多个标定设备坐标，其中，所述多个标识信息分别对应设置在所述多个位置；/n根据所述多个三维坐标数据和所述多个标定设备坐标对神经网络模型进行训练，以确定所述神经网络模型对应的坐标转换矩阵，其中，所述坐标转换矩阵用于将深度相机输出的三维坐标数据以及标定设备坐标进行转换。/n

【技术特征摘要】
1.一种坐标转换矩阵的确定方法，其特征在于，包括：
获取标定板上多个标识信息的多个三维坐标数据，以及标定设备在移动至所述标定板的多个位置上时，所述标定设备对应的多个标定设备坐标，其中，所述多个标识信息分别对应设置在所述多个位置；
根据所述多个三维坐标数据和所述多个标定设备坐标对神经网络模型进行训练，以确定所述神经网络模型对应的坐标转换矩阵，其中，所述坐标转换矩阵用于将深度相机输出的三维坐标数据以及标定设备坐标进行转换。


2.根据权利要求1所述的方法，其特征在于，根据所述多个三维坐标数据和所述多个标定设备坐标对神经网络模型进行训练，以确定所述神经网络模型对应的坐标转换矩阵，包括：
根据所述多个三维坐标数据和所述多个标定设备坐标对神经网络模型进行训练，得到训练结果；
从所述训练结果提取所述神经网络模型对应的权重参数；
根据所述权重参数确定所述坐标转换矩阵。


3.根据权利要求1所述的方法，其特征在于，获取标定板上多个标识信息的多个三维坐标数据，包括：
对所述标定板对应的二维图像和深度图像进行标定，以确定所述二维图像和深度图像的映射关系；
根据所述映射关系确定与所述多个标识信息对应的多个三维数据。


4.根据权利要求1所述的方法，其特征在于，获取标定设备在移动至所述标定板的多个位置上时，所述标定设备对应的多个标定设备坐标，包括：
获取所述多个位置中至少两个位置的位置信息；
根据所述至少两个位置的位置信息确定所述多个标定设备坐标。


5.根据权利要求1所述的方法，其特征在于，获取标定板上多个标识信息的多个三维坐标数据，以及标定设备在移动至所述标定板的多个位置上时，所述标定设备对应的多个标定设备坐标，包括：
确定所述标定板上的初始位置，获取所述初始位置上的第一标识信息对应的第一三维坐标数据，以及所述标定设备移动至所述初始位置上时，所述标定设备对应的第一标定设备坐标；
获取步骤：将所述标定设备移动至所述初始位置的下一位置，获取所述下一位置上的第二标识信息对应...

【专利技术属性】
技术研发人员：樊强，汪鹏飞，任宇鹏，卢维，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33