1. 课程导论

1.1 什么是 Eye-to-Hand 标定？

在机器人视觉系统中，Eye-to-Hand（眼在手外） 是一种将相机固定安装在机器人工作空间上方或侧方的配置方式。相机不随机器人末端移动，而是从全局视角观察机器人及目标物体。标定的核心目标是求解 相机坐标系 与 机器人基坐标系 之间的刚性变换矩阵（旋转矩阵 R 与平移向量 t），使得视觉系统感知到的物体位姿能够被机器人准确抓取或操作。

1.2 什么是点云配准？

点云配准 是将不同视角、不同时间或不同传感器获取的多个点云数据集，通过几何变换对齐到同一坐标系下的过程。其数学本质是寻找最优的旋转与平移参数，使源点云与目标点云之间的对应点距离最小化。最经典的算法是 ICP（Iterative Closest Point，迭代最近点） 及其变体。

1.3 典型应用场景

• 工业抓取与码垛： 机器人从传送带或料箱中抓取工件，需要 Eye-to-Hand 标定将相机检测到的工件位姿映射到机器人坐标系，再结合点云配准实现精确抓取。
• 3D 重建与逆向工程： 多视角点云通过配准融合为完整模型，用于质量检测、文物数字化或产品设计。
• SLAM 与自主导航： 移动机器人利用点云配准实现环境建图与定位，Eye-to-Hand 标定则用于固定基站的视觉引导。
• 装配与焊接： 视觉系统引导机器人完成精密装配，标定精度直接影响装配成功率。

1.4 课程目标

完成本课程后，学员将能够：

1. 理解原理： 掌握 Eye-to-Hand 标定与点云配准的数学模型与核心算法。
2. 动手实现： 使用 Python 和 Open3D/PCL 库完成标定与配准的代码编写与调试。
3. 解决实际问题： 针对工业抓取和 3D 重建场景，设计并部署完整的视觉引导方案。
4. 评估与优化： 分析标定与配准误差来源，掌握精度提升方法。

1.5 前置知识要求

1.6 课程内容概览

本课程共 30 章，分为四个模块：

• 基础篇（第 1-8 章）： 坐标系变换、相机模型、标定板设计、点云数据结构与可视化。
• 标定篇（第 9-16 章）： Tsai-Lenz 算法、Park-Martin 算法、非线性优化标定、标定精度评估。
• 配准篇（第 17-24 章）： ICP 算法原理与变体、NDT 配准、特征点配准、多视角融合。
• 实战篇（第 25-30 章）： 工业抓取完整流程、3D 重建管线、标定与配准联合调试、项目部署。