weixin_42362219的博客

原创 Halcon中姿态表述

原创 C# 调用halcon中visualize_object_model_3d显示点云

3.1 判断线程是否为空，如果为空，则新创建，如果不为空，则中断线程，清空窗口后再次执行创建操作3.2 创建：调用show()方法实例化显示类的对象，传入显示参数，将线程testvisual 绑定 在 类对象的action方法上（此处action方法内部，只调用了visualize_object_model_3d算子）3.3 启动线程。

原创 halcon：3D相机手眼标定（四）——乒乓球

求解R：基于平移组，获取乒乓球的球心XYZ，机器人多个姿态下的XYZ。使用点对直接求解RT，对应halcon中vector_to_hom_mat3d算子。4.2 针对采集的所有点云数据，获取所有球心坐标，分别放入pointXs、pointYs、pointZs数组。2、眼在手外：乒乓球固定在机器人末端任一位置。乒乓球，球心坐标的提取，可以针对点云分割后进行球心拟合，也可以通过模板匹配方式得到。1、眼在手上：乒乓球放置固定位置，机器人多个位姿对乒乓球进行数据采集。平移组：改变XYZ坐标，固定RxRyRz。

原创 halcon: 3D相机手眼标定（三）——圆点标定板（5个特征圆）

3、矫正图片并提取标定板区域：圆形标定板在图像中存在偏心误差。与棋盘格标定的差异点只是在标定板的识别和提取。2、对5个标定点根据标定板定义进行排序。1、提取标定板中的五个标志圆点。4、再次提取圆心坐标。

原创 halcon: 3D相机手眼标定（二）——棋盘格

在halcon中，基于棋盘格，进行手眼标定主要工作：1、生成标定板坐标2、识别提取棋盘格标定板3、计算棋盘格在相机中的姿态其实就主要针对棋盘格的识别和提取角点。

原创 halcon：3D相机手眼标定（一）

针对3D相机而言，vector_to_hom_mat2d算子可以替换为vector_to_hom_mat3d，输入变为3D相机获取的XYZ值，以及机器人坐标的XYZ值。基于2D图像的像素坐标与机器人坐标（XY值），使用vector_to_hom_mat2d直接求解。vector_to_hom_mat3d算子，个人猜测，核心是创建协方差矩阵，使用SVD计算RT。从结果上看，结果是一致的。

原创 Halcon通过Z通道图的联通域去除噪点

原始点云数据中有零散噪声，可以通过点云三通道图像进行过滤，相对来说比直接进行点云滤波要速度要快。

原创 halcon 获取立体ROI内的点云

distance_object_model_3d函数中，*'signed_distances' 该参数可用于计算三维对象模型ObjectModel3DFrom中的点到三维对象模型ObjectModel3DTo中的点、三角形或原语的带符号距离。*原语内部的3D对象模型ObjectModel3DFrom的点获得负距离，而其他所有点都有正距离。*当计算到平面的有符号距离时，平面以下的所有点的距离都为负，而其他所有点的距离都为正。2、计算原始点云和空间Box的距离，获取Box内的点云。

原创 Halcon 点云平面校正的三种方式

双目3D相机的双目相机，内部呈倾斜角度进行安装，而3D数据原点以其中一个相机为坐标系原点（一般为左相机），保证最大采集视野范围。导致采集的原始数据，可能某个平面上的Z值并不一致在点云处理中，如果需要通过Z值对图像进行分割（直通滤波），可以先基于固定平面（如地面），对整体点云进行矫正，然后再利用Z值进行分割。