4. 手眼标定
手眼标定是机械臂视觉引导拣选系统中连接“眼睛”（相机）与“手”（机械臂）的桥梁。其本质是求解相机坐标系与机械臂末端（或基座）坐标系之间的空间变换矩阵。在真实产线上，视觉系统给出的目标坐标必须经过手眼矩阵的转换，才能变成机械臂可执行的抓取位姿。若标定误差超过1~2mm，轻则导致抓取偏移、碰撞夹具，重则损坏工件或设备。本章将系统讲解眼在手上（Eye-in-Hand）与眼在手外（Eye-to-Hand）两种模式的标定原理、标定板设计要点、完整操作流程以及精度评估方法，并结合实际案例给出可落地的工程经验。
4.1 两种标定模式的核心原理与选型判断
眼在手外（Eye-to-Hand）：相机固定安装在机械臂外部（如支架、天花板或工作台侧面），不随机械臂运动。标定目标是求解相机坐标系到机械臂基座坐标系的变换矩阵 T_base_cam。标定时，将标定板固定在机械臂末端法兰上，通过机械臂运动到多个不同姿态，相机拍摄标定板图像，同时记录机械臂末端在基座坐标系下的位姿。利用AX=XB的经典手眼方程求解。
眼在手上（Eye-in-Hand）：相机安装在机械臂末端，随机械臂一起运动。标定目标是求解相机坐标系到机械臂末端坐标系的变换矩阵 T_end_cam。标定时，将标定板固定在工作台或地面上，机械臂带动相机从多个角度拍摄标定板，同时记录机械臂末端位姿。同样通过AX=XB方程求解。
| 对比维度 | 眼在手外（Eye-to-Hand） | 眼在手上（Eye-in-Hand） |
|---|---|---|
| 相机安装位置 | 固定于外部支架/天花板 | 安装于机械臂末端法兰 |
| 标定板安装位置 | 固定在机械臂末端 | 固定在工作台/地面 |
| 视野范围 | 大视野，覆盖整个工作区域 | 小视野，靠近工件细节 |
| 标定精度影响因素 | 相机畸变、机械臂定位精度 | 相机安装刚性、机械臂重复定位精度 |
| 典型应用 | 料筐拣选、大范围定位、传送带跟踪 | 精密装配、小零件抓取、多角度检测 |
| 标定复杂度 | 相对简单，标定板随机械臂运动 | 相对复杂，需保证标定板固定稳固 |
4.2 标定板设计与制作要点
标定板是手眼标定的基准参照物，其设计质量直接影响标定精度。常用标定板类型包括棋盘格、圆点阵列、ChArUco板等。工业场景中推荐使用陶瓷基板或玻璃基板，表面平整度需达到±0.01mm，图案对比度应大于1:10。
- 棋盘格标定板：角点检测精度高，适合相机内参标定；但需要保证图案完全在视野内，且对光照均匀性要求较高。
- 圆点阵列标定板：圆心定位精度优于角点，抗噪能力强；适合大畸变镜头，但需要精确已知圆点间距。
- ChArUco板：结合了棋盘格与ArUco码，支持部分遮挡下的标定，适合视野受限场景。
标定板尺寸选择原则：在相机视野中，标定板图案区域应占视野面积的1/3至2/3。过小会导致特征点提取不足，过大则可能超出视野。对于500万像素相机、视野300mm×400mm的场景，推荐使用7×9棋盘格，方格边长15mm。
4.3 标定流程详解与实操步骤
无论哪种模式，手眼标定都遵循“采集多姿态图像→提取特征点→求解手眼矩阵→验证精度”的流程。以下以眼在手外模式为例，给出标准操作流程：
- 准备工作：固定相机，安装标定板于机械臂末端，确保标定板与末端法兰刚性连接，无松动。
- 机械臂运动规划：规划15~20个机械臂姿态，覆盖不同高度、不同旋转角度（俯仰、偏航、翻滚各变化±30°），确保标定板始终在相机视野内且图案完整可见。
- 数据采集：每个姿态下，同时记录机械臂末端位姿（从控制器读取）和相机拍摄的标定板图像。注意：机械臂到位后需停顿0.5~1秒，待振动衰减后再拍照。
- 特征提取：使用OpenCV或Halcon等工具提取标定板特征点（角点或圆心），获得像素坐标与标定板物理坐标的对应关系。
- 求解手眼矩阵：利用Tsai-Lenz或Park-Martin算法求解AX=XB方程，得到
T_base_cam。 - 精度验证：将标定板移动到验证点，计算视觉定位坐标与机械臂实际坐标的偏差。
// 伪代码示例：眼在手外标定数据采集
for i = 1 to 20:
move_to_pose(pose[i]) // 机械臂运动到第i个姿态
wait_for_stable(0.5s) // 等待稳定
image = camera.capture() // 拍摄图像
board_pose = detect_board(image) // 提取标定板位姿
end_pose = robot.get_end_pose() // 读取末端位姿
save_data(board_pose, end_pose) // 保存数据对
4.4 精度评估方法与误差分析
标定完成后，必须进行严格的精度评估。常用评估指标包括：重投影误差、抓取位置误差和姿态误差。重投影误差应小于0.5像素，抓取位置误差应小于机械臂重复定位精度的2倍（通常≤1mm）。
| 评估项目 | 测试方法 | 合格标准 | 常见误差来源 |
|---|---|---|---|
| 重投影误差 | 将标定板特征点投影回图像，计算像素偏差 | < 0.5 pixel | 相机畸变校正不彻底、特征提取精度不足 |
| 抓取位置误差 | 视觉引导机械臂抓取标准工件，测量实际位置偏差 | < 1 mm | 机械臂定位误差、标定板平面度 |
| 姿态误差 | 对比视觉解算姿态与机械臂实际姿态 | < 0.5° | 标定板安装倾斜、机械臂运动学参数误差 |
背景与约束：产线节拍要求≤8秒/件，螺栓直径12mm，抓取位置公差±0.8mm。相机为500万像素黑白工业相机，安装于机械臂上方1.2m处（眼在手外模式）。
初始现象：首次标定后，抓取成功率仅82%，部分螺栓抓取时发生偏移，导致螺纹损伤。
分析过程：检查发现标定板为亚克力材质，在车间灯光下产生轻微反光；且机械臂运动到某些姿态时，标定板超出相机视野边缘，导致特征点提取不完整。
解决措施：①更换为陶瓷基板标定板，消除反光；②重新规划机械臂运动路径，确保标定板始终位于视野中心区域；③增加标定姿态数量至25个，并加入不同高度层；④标定后增加验证环节，使用标准量块进行10次重复定位测试。
结果对比：标定重投影误差从0.8像素降至0.3像素，抓取成功率提升至99.2%，位置偏差稳定在±0.5mm以内。
复盘经验：标定板材质选择至关重要，工业现场应优先选用陶瓷或玻璃基板；标定姿态规划需结合机械臂实际工作空间，避免极端姿态；标定后必须进行独立验证，不能仅依赖重投影误差。
4.5 常见误区与工程复盘
误区一：标定姿态数量越多越好。实际上，当姿态超过20个后，精度提升趋于饱和，反而可能引入机械臂运动学误差。建议15~25个姿态即可。
误区二：忽略机械臂运动学误差。手眼标定结果隐含了机械臂的定位误差。若机械臂本身精度不足，标定结果也会失真。此时应考虑使用机械臂运动学标定先行校正。
误区三：标定板与相机不平行。眼在手外模式下，标定板平面应尽量与相机光轴垂直，否则会引入透视畸变误差。
误区四：标定后不进行现场验证。标定矩阵在实验室环境下可能表现良好，但现场光照、振动、温度变化都会影响精度。必须进行实际抓取测试。
手眼标定是视觉引导系统的核心基础，其精度直接决定了整个拣选系统的可靠性。通过理解两种标定模式的原理差异、掌握标定板设计要点、严格执行标定流程并进行科学的精度评估，可以有效保障机械臂视觉引导系统的稳定运行。在实际工程中，标定不是一次性工作，而是需要持续维护和优化的过程。