使用matlab进行手眼标定的仿真验证，得到齐次矩阵与opencv相差较大

Question

在手眼标定（眼在手外）中，为什么用c++和opencv4求出来的相机相对于基座的旋转、平移的齐次转换矩阵的主对角线总是1，但是相同的机械手位姿数据和相机相对于标定板的旋转平移矩阵放在matlab中求出的相机相对于基座的旋转、平移的齐次转换矩阵的主对角线不是1，并且两者矩阵相差较大。
示例：
1.opencv4：

     [1, -7.323924634025423e-16, -2.254334528190274e-15, -130.3290897500766]
    [7.323924634025474e-16, 1, 2.261812543223354e-15, -36.39503702301603]
    [2.254334528190273e-15, -2.261812543223355e-15, 1, 67.84293504073298]
    [0, 0, 0, 1]

2.matlab:

    [0.0810, -0.1313, -0.9880, 1.0000],
    [- 0.9839, 0.1476, -0.1003, 1.5000],
    [0.1590, 0.9803, -0.1172, 2.0000],
    [0, 0, 0, 1]

如果需要具体代码贴图可以评论

Answer 1

由人工智能和答主提供，可以参考如下，如果回答的不正确，及时评论区回复，我追加回答，谢谢。

这个问题可能是由于手眼标定过程中的误差导致的。在手眼标定中，我们需要计算相机相对于基座的旋转和平移矩阵，然后将这些矩阵转换为齐次坐标表示。在这个过程中，可能会出现一些误差，导致计算出的齐次矩阵与期望的结果有较大差异。

为了解决这个问题，你可以尝试以下方法：

1. 检查手眼标定过程中的参数设置，确保它们的准确性。例如，相机内参矩阵、畸变系数等。

2. 在进行手眼标定时，使用更多的数据点进行标定，以提高标定的准确性。

3. 在计算齐次矩阵时，可以使用更精确的方法，例如四元数或欧拉角，以避免因浮点数误差导致的问题。

4. 如果可能的话，尝试使用其他标定算法，如基于特征点的标定，以获得更准确的结果。

5. 在实际应用中，可以考虑对齐次矩阵进行优化，以减小误差对结果的影响。例如，可以使用迭代优化方法来调整旋转和平移参数。

总之，手眼标定是一个复杂的过程，可能会受到多种因素的影响。通过检查参数设置、使用更多数据点和优化算法，可以在一定程度上减小误差对结果的影响。