Robotic-3D-Vision-Pipeline

🏗️ My Robotics-Vision Ecosystem

• 3D Perception Core : 高精度位估计算法
• Hand-Eye Calibration : 工业级标定方案
• Integration Demo : 全系统视频演示

🔍 核心关键词

• 手眼标定(Hand-Eye Calibration)
• 机器人视觉伺服(Visual Servoing)
• 工业机器人(Industrial Robotics)

🛠️ 技术栈

• Tsai-Lenz算法 / 在线标定
• ROS-Industrial / MoveIt

🎯 适用岗位

• 机器人感知工程师
• 自动化系统集成师

🔗 手眼标定与位姿估计的协同优化

1. 标定误差传递分析：相机坐标系→机械臂基坐标系
   
2. 在线标定补偿：当检测到标定误差>0.5mm时自动触发重标定

Robotic-3D-Vision-Pipeline/ ├── 1-Calibration/ # 手眼标定模块 │ ├── chessboard_detection/ # 标定板检测 │ ├── hand_eye_solver/ # AX=XB求解 │ └── industrial_validation/ # 产线验证数据 ├── 2-Perception/ # 3D感知模块 │ ├── yolov8_6d_pose/ # YOLO-6D位姿 │ ├── pointcloud_processing/ # 点云配准 │ └── depth_estimation/ # 单目深度 ├── 3-Integration/ # 系统整合 │ ├── realtime_pipeline.py # 全流程脚本 │ └── error_analysis/ # 精度评估 ├── docs/ │ ├── Theory.md # 数学推导 │ └── Industrial_Case_Study.pdf # 落地案例 └── media/ ├── calibration.gif # 标定过程 └── grasping_accuracy.mp4 # 抓取演示

## 🏭 产线验证数据

指标	结果
重复定位精度	±0.3mm
动态目标抓取成功率	89.7%

🌟 项目亮点

• 手眼协同：将手眼标定的 AX=XB 求解与YOLO-3D检测结合，实现毫米级抓取精度
• 全栈实现：覆盖从相机标定→物体识别→运动规划的全流程
• 工业验证：在UR5e机械臂上实现92%抓取成功率（见media/grasping_demo.mp4）

📊 系统流程图