买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于外参与样本权重联合优化网络的手眼相机标定方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115601440B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211198020.5，技术领域涉及：G06T7/80；该发明授权一种基于外参与样本权重联合优化网络的手眼相机标定方法及系统是由王滨;杨帅;陶隽源;段启帆;李雪皑设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于外参与样本权重联合优化网络的手眼相机标定方法及系统在说明书摘要公布了：本发明提出一种基于外参与样本权重联合优化网络的手眼相机标定方法及系统，涉及机器人手眼相机标定技术领域，用以解决现有非线性优化方法对于机器人手眼相机标定结果误差较大的问题。本发明的技术要点包括：采用深度学习的框架，将相机外参与样本权重联合优化，并根据优化的样本权重自动筛除噪声较大的样本，通过训练的网络选取最优的标定参数，降低了机器人运动误差和视觉测量噪声对标定的影响，实现对手眼相机外参的精确标定。本发明有效解决了手眼相机外参标定因机器人运动误差和样本噪声导致外参标定不准确问题，避免了使用非线性优化方法求解上述方程组，计算求解简单，在机器人利用视觉进行智能化精确操作中，具有广泛的应用前景。

本发明授权一种基于外参与样本权重联合优化网络的手眼相机标定方法及系统在权利要求书中公布了：1.一种基于外参与样本权重联合优化网络的手眼相机标定方法，其特征在于，安装在机器人机械臂末端的相机所对应的相机坐标系与机械臂末端坐标系之间的坐标转换关系即为手眼相机外参待标定量，所述手眼相机外参待标定量的标定过程包括以下步骤： 步骤一、采集标定数据集，并对标定数据集进行预处理； 步骤二、将预处理后的标定数据集输入基于外参与样本权重联合优化的第一神经网络进行训练，获取重构的标定数据集，包括： 设置第一神经网络的优化参数为机器人机械臂末端的相机所对应的相机坐标系与机 械臂末端坐标系之间的坐标转换关系和样本权重向量weights；其中，设置所述坐标转换关 系为4*4欧式变换矩阵； 构建第一损失函数为： Loss1=w_1*output+w_2*MSERotT,Rot-1+w_3*MSEweights,v； 其中，w_1,w_2,w_3表示损失函数系数，用于平衡各部分损失；output表示神经网络的 输出；矩阵Rot表示矩阵中的旋转分量；常量v为一维向量，长度与样本权重向量weights 长度相同，各元素取值为1； 使用Adam优化器进行训练，采用0.001的学习率，训练网络至收敛，获取网络训练后样本权重向量weights； 筛除样本权重值小于设定值的标定数据集中的对应样本，重新构建标定数据集； 步骤三、按比例将重构的标定数据集随机分为训练集和测试集，将训练集输入基于外参与样本权重联合优化的第二神经网络进行训练；其中，设置所述手眼相机外参待标定量为第二神经网络的待优化参数；具体步骤包括： 固化样本权值向量weights，将其各元素设置为1； 构建第二神经网络的第二损失函数为： loss2=w_1*output+w_2*MSERotT,Rot-1； 其中，w_1,w_2表示损失函数系数；output表示神经网络的输出；MSE表示均方误差； 使用Adam优化器进行训练，采用0.001的学习率，在重构的标定数据集上训练网络； 步骤四、将测试集输入步骤三训练好的第二神经网络中进行验证，迭代重复步骤三-步骤四，直至第二神经网络的损失函数值最低则停止迭代，获得训练好的第二神经网络的网络参数，即为相机外参标定结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。