本文是机器视觉2D引导定位的第五篇。本文讲述的核心内容是，综合之前的理论知识，练习使用VisionMaster进行单点抓放偏移计算，并用VisionPro自定义工具实现同样的功能。

标定

根据之前讲述的方法，执行12点标定(9点平移+3点旋转)，并收集相应照片和对应的物理坐标：

Hik VisionMaster 得到的标定文件为：

阅读剩余部分

本文是机器视觉2D引导定位的第四篇。主要是在前几篇文章的基础之上，推导单点纠偏理论。

单点纠偏的使用场景是下相机拍物料，然后根据运行时图像特征点位置和角度、以及基准点位置和角度，计算出从运行点移动回基准点需要的移动量。

注意，和单点抓放有所不同，单点抓放是从基准位置变换到运行位置，而单点纠偏是把运行位置调整到基准姿态！

理论推导

考虑一个旋转+平移的纠偏场景:

显然，单点纠偏是计算\(\vec{Z'Z}\):

阅读剩余部分

本文是机器视觉2D引导定位的第三篇。主要是基于前两篇的理论，使用 Hik VM 进行实践，计算旋转平移标定的偏移量，并与MATLAB手算的结果进行比对。

过程简介

• 计算仿射变换矩阵
• 计算旋转中心
• 注册基准点
• 计算运行点与基准点的变换参数

在实操上，体现为标定和生产两个流程：

Hik VM 标定与运行

标定

采集图像过程如下：

• 九点标定（计算标定矩阵），采集九张图像，同时记录物理坐标

• 在基准拍照位进行五点拟圆（计算旋转中心），采集五张图像，同时记录物理坐标

阅读剩余部分