2. 抓取任务定义与坐标系梳理

在机器人视觉引导抓取系统中，所有位姿计算、手眼标定、路径规划和抓取执行，最终都归结为同一个问题：同一个物理点在不同坐标系下的坐标如何互相转换。如果坐标系定义混乱，即使标定算法本身正确，抓取也会出现方向偏差、位置漂移甚至碰撞。因此，本节先把抓取任务中涉及的五个核心坐标系逐一讲清楚，并给出工程上可落地的约定。

一、五个坐标系的角色分工

一个典型的“眼在手外”（eye-to-hand）抓取系统包含以下坐标系：

• 世界坐标系（World Frame，{W}）：整个工作场景的绝对参考系，通常固定在地面或工作台面上。它的作用是给所有其他坐标系提供一个公共基准，便于多机器人、多相机或离线编程时统一描述位置。
• 机器人基坐标系（Base Frame，{B}）：固定在机器人底座上的坐标系，原点一般在底座安装面中心，Z 轴通常垂直向上或沿机器人第一轴方向。机器人控制器内部所有关节角与末端位姿的换算，都以基坐标系为根。
• 末端工具坐标系（Tool Frame，{T}）：固定在末端执行器（夹爪、吸盘等）上的坐标系，原点称为 TCP（Tool Center Point）。抓取时真正需要对准目标的是 TCP，而不是法兰盘中心。
• 相机坐标系（Camera Frame，{C}）：以相机光心为原点，Z 轴沿光轴指向观察方向，X、Y 轴与图像平面平行。视觉算法输出的目标位姿通常先落在相机坐标系下。
• 目标物体坐标系（Object Frame，{O}）：附着在被抓物体上的坐标系，原点一般取物体的抓取中心或几何中心，姿态由物体的主方向定义。抓取的本质就是让 {T} 与 {O} 在期望的相对位姿下重合。

二、坐标系之间的变换链

视觉引导抓取的完整变换链可以写成：

P_B = T_B_W · T_W_C · T_C_O · P_O
抓取位姿：T_B_T = T_B_W · T_W_C · T_C_O · T_O_T

其中 T_A_B 表示把 {B} 中的点变换到 {A} 的齐次变换矩阵。工程上通常把 T_B_W（基座在世界中的位姿）和 T_W_C（相机在世界中的位姿）合并为手眼标定结果 T_B_C，从而简化在线计算。

三、工程约定与注意事项

坐标系定义清楚之后，还需要统一以下工程约定，否则不同模块之间仍会“各说各话”：

• 旋转表示统一：建议内部计算统一使用旋转矩阵或四元数，仅在与人交互或配置文件时使用欧拉角，并明确欧拉角顺序（如 ZYX 内旋）。
• 单位统一：平移量统一用毫米或米，课程示例统一采用毫米，角度统一用度或弧度，配置文件中必须标注。
• 手眼标定结果的方向：明确 T_B_C 是“相机在基座中的位姿”，而不是反过来。若使用 T_C_B，必须显式注明。
• TCP 定义：TCP 应定义在夹爪闭合中心或吸盘接触面中心，并在机器人控制器中完成工具坐标标定，而不是在视觉程序中临时补偿。
• 物体坐标系姿态：对于规则物体，{O} 的 Z 轴建议沿抓取接近方向，X 轴沿物体长边，便于夹爪开合方向与物体对齐。

四、一个可执行的坐标系检查清单

在正式抓取前，建议按以下顺序逐项确认，每项都给出可观察的判断依据：