📚 课程目录第1章标定基础回顾

1. 标定基础回顾

各位同学，咱们正式开始这门课之前，先把最基础的东西夯实一下。手眼标定，说白了就是解决一个数学方程：AX = XB。

我第一次接触这个方程的时候，觉得它挺简单，不就是个矩阵求解嘛。后来在产线上调试机器人，才发现这里面坑多得很。今天咱们就把这个方程和背后的坐标系变换原理，彻底讲透。

想象一下这个场景：你有一个机器人，末端装了一个相机。机器人移动到一个位置，拍了一张照片，识别出工件的位置。现在问题来了——相机看到的坐标，怎么换算成机器人能用的坐标？

这就是手眼标定的核心任务：建立相机坐标系和机器人末端坐标系之间的固定变换关系。

核心概念：手眼标定求解的是一个固定的齐次变换矩阵 X，它描述了相机坐标系相对于机器人末端坐标系的位姿（位置+姿态）。

我习惯把这个矩阵 X 理解为“翻译官”。相机说“工件在我前方10厘米”，X 就把这句话翻译成机器人能听懂的“工件在末端前方10厘米”。

为什么是 AX=XB？咱们一步步推导一下。

假设机器人从位姿 A₁ 移动到 A₂，相机从位姿 B₁ 移动到 B₂。注意，这里的 A 和 B 描述的是同一个物体在不同坐标系下的变换。

那么，从位姿1到位姿2，存在一个闭环关系：

A₁ · X · B₁⁻¹ = A₂ · X · B₂⁻¹

整理一下，就得到了经典方程：

A₂⁻¹ · A₁ · X = X · B₂⁻¹ · B₁

令 A = A₂⁻¹ · A₁，B = B₂⁻¹ · B₁，就得到：

A · X = X · B

我的经验：在实际项目中，我建议至少采集15-20组不同位姿的数据。太少的话，方程容易退化，解出来的 X 精度很差。我曾经吃过这个亏，只拍了8组数据，结果标定误差大得离谱。

要理解 AX=XB，必须先搞懂坐标系变换。这里我快速过一下核心概念。

一个 4×4 的齐次变换矩阵 T 包含两部分：

组成部分	符号	含义	维度
旋转矩阵	R	描述两个坐标系之间的姿态关系	3×3
平移向量	t	描述两个坐标系之间的位置关系	3×1

T = [ R  t ]
    [ 0  1 ]

其中 R 是正交矩阵（RᵀR = I），t 是平移向量。最后一行固定为 [0 0 0 1]。

坐标系变换可以串联。比如：

T_cam_to_base = T_end_to_base · T_cam_to_end

这个公式的意思是：从相机坐标系到机器人基座坐标系的变换，等于先做末端到基座的变换，再做相机到末端的变换。

注意顺序：矩阵乘法不满足交换律！T₁ · T₂ 和 T₂ · T₁ 是完全不同的。我见过不少新手在这里搞反，标定结果一塌糊涂。

根据相机安装位置不同，分为两种：

配置类型	相机安装位置	特点	典型应用
Eye-in-Hand	固定在机器人末端	相机随机器人移动，视野灵活	抓取、装配、焊接
Eye-to-Hand	固定在工作空间外	相机不动，视野固定	检测、定位、码垛

这两种配置对应的 AX=XB 形式略有不同，但本质是一样的。咱们这门课主要讲 Eye-in-Hand，因为它在工业机器人中更常见，标定难度也更大。

下面这张图把本章的核心知识点串起来了。你仔细看看，心里有个框架。

做手眼标定这么多年，我总结出三个最常见的坑：

我曾经踩过的坑：有一次在产线上做 Eye-in-Hand 标定，采集了20组数据，解出来的 X 矩阵看起来没问题，但实际抓取总是偏2-3毫米。查了两天才发现，是机器人末端法兰的安装平面有0.1度的倾斜。从那以后，我每次标定前都会先检查机器人的机械状态。

咱们这一章把基础打牢了：