1. 课程导入与SICK 3D传感技术全景

SICK 在工业光电传感领域的产品谱系非常宽，从单点光电开关、安全光幕，到二维激光扫描仪、三维飞行时间相机、3D 视觉相机与激光轮廓测量系统，覆盖了从"检测有无"到"测量几何形状"的完整能力梯度。本课程聚焦其中与三维数据处理和标定直接相关的那一部分：LMS 系列二维激光雷达、LRS 系列三维激光扫描仪、Visionary-T 系列 3D 飞行时间相机、Inspector 系列 3D 视觉相机，以及以 PLOC2D、Ruler3000 等为代表的轮廓与定位产品。理解这些设备"输出什么数据、数据在什么坐标系下、精度受什么约束"，是后续所有标定与处理工作的前提。

一、产品线的三条技术路线

把上述产品按测距原理归类，可以清晰地分成三条路线，它们决定了数据的组织方式和标定方法。

• 三角测量（Triangulation）：以 LMS 系列二维激光扫描仪和 Ruler3000 等轮廓传感器为代表。激光线投射到目标表面，由已知基线的相机成像，通过像点位置反算距离。单次扫描得到一条二维剖面（角度—距离），配合运动或转台可拼接成三维点云。特点是近距离精度高、对表面反射率敏感、存在遮挡阴影区。
• 飞行时间（ToF）：以 Visionary-T 系列为代表。每个像素独立测量调制光的相位差或脉冲飞行时间，直接输出整幅深度图。一次曝光即得到二维像素阵列上的距离值，帧率高、结构紧凑，但绝对精度通常在厘米级，且存在多路径干扰和飞点。
• 立体视觉与结构光：以 Inspector 系列 3D 视觉相机为代表。通过双目视差或编码结构光图案解算深度，输出稠密点云，适合中近距离的抓取引导、拆垛和在线检测。

三条路线的共同点是：最终都要落到一个三维点集上，并且这个点集必须与机器人、传送带或工件坐标系建立确定关系。这正是本课程要解决的核心问题。

二、典型应用场景与数据形态

在物流分拣线上，LMS 系列常被安装在输送带上方或侧面，扫描通过的包裹轮廓，输出的是极坐标下的距离序列，经转换后得到包裹的宽度、高度和位置，用于体积测量和分拣决策。在 AGV 与移动机器人上，LMS 承担导航与防撞，输出的是二维切片，需要与里程计和 IMU 融合。在拆垛与无序抓取工位，Visionary-T 或 Inspector 安装在料筐上方，输出深度图或点云，由上位机做平面分割、聚类和位姿估计，再把抓取位姿发送给机器人。在汽车白车身检测中，多台轮廓传感器沿导轨运动，采集焊缝或间隙的三维剖面，与 CAD 模型比对得到偏差。

这些场景对数据的要求差异很大：导航关心的是实时性和角度分辨率，体积测量关心的是标定后的绝对尺寸精度，抓取关心的是点云完整性和位姿重复性。因此，脱离应用谈"标定精度"没有意义，必须先明确任务对精度、帧率和视场的约束。

三、课程目标与学习路径

本课程的目标可以概括为一句话：让学员能够独立完成一台 SICK 3D 传感器从安装、标定、数据采集到点云处理与结果验证的完整链路。围绕这个目标，学习路径按"数据从哪来—数据怎么对齐—数据怎么用"三段推进。

第一段是数据获取与理解。需要掌握各系列设备的输出格式、坐标系定义、内参含义，以及影响数据质量的参数，例如 LMS 的角分辨率与扫描频率、Visionary-T 的积分时间与滤波设置、Inspector 的曝光与图案配置。这一段的关键产出是：能读懂一帧原始数据，并说清每个数值的物理含义。

第二段是标定与坐标变换。这是课程的重心。内容包括手眼标定（eye-in-hand 与 eye-to-hand 两种构型）、多传感器外参标定、平面与转轴标定，以及标定误差的评估方法。标定的本质是求解一个刚体变换矩阵，使传感器坐标系下的点云能够正确映射到机器人或工件坐标系。需要理解旋转矩阵与四元数的关系、欧拉角的顺序约定、以及为什么标定板的选择和位姿分布会直接影响结果。

第三段是数据处理与应用集成。包括点云滤波、平面分割、聚类、配准（ICP 及其变体）、特征提取与位姿估计，以及如何把这些步骤组织成稳定的工程流程。这一段会结合具体案例，给出可运行的参数配置和处理逻辑。

四、知识地图

下图把本课程涉及的主要对象、数据流和标定关系组织在一起，作为后续章节的索引。图中左侧是三类传感器及其原始输出，中间是坐标变换与标定环节，右侧是典型应用输出。可以看到，无论哪条技术路线，最终都要经过"传感器坐标系 → 标定变换 → 应用坐标系"这一共同通道。

五、从这一章开始要建立的三个习惯

第一，先定义坐标系再谈数据。任何一次点云处理或标定，都要先写清楚当前点属于哪个坐标系、X/Y/Z 的方向如何定义、旋转的正方向按右手定则还是左手定则。课程中统一采用右手坐标系，旋转矩阵作用于列向量，即 p_target = R · p_source + t。若现场设备或机器人使用不同约定，必须显式说明并做转换。

第二，先看原始数据再上算法。拿到一台设备，先用厂商工具或最小示例程序把一帧原始数据可视化出来，确认视场、分辨率、噪声水平和无效值分布，再决定滤波和分割参数。跳过这一步直接调 ICP，往往会在错误的数据上得到看似收敛的结果。

第三，标定结果必须可复现、可验证。每次标定记录设备型号、序列号、安装位姿、标定板类型、采集位姿数量、求解方法和残差指标。验证时用一组未参与求解的位姿做独立检查，观察重投影误差或点云重合度是否落在任务允许范围内。没有验证环节的标定，不能作为工程依据。

接下来的章节会沿着上面这张知识地图逐段展开。先从 LMS 系列的数据格式与坐标系定义讲起，把"一帧数据到底是什么"这件事彻底说清楚，再进入标定与处理的实质内容。