一、手眼标定概述：让机器人真正“看见”世界
大家好，我是你们这门课的讲师。做了这么多年机器人视觉，我越来越觉得，手眼标定是整个系统里最容易被忽视、却又最致命的一环。说白了，它解决的是一个很朴素的问题：机器人的眼睛（相机）看到的东西，怎么告诉它的手（机械臂）去抓？
嗯，咱们今天就从最基础的概念聊起。
1.1 什么是手眼标定？
手眼标定，英文叫 Hand-Eye Calibration。它的核心任务，就是计算相机坐标系和机器人坐标系之间的空间变换关系。
你想想看，相机拍到的是一张二维图像，图像里的每个像素点，对应的是相机坐标系下的一个三维点。而机器人要抓取物体，它需要知道这个点在它自己的基坐标系下的位置。这两个坐标系之间，差了一个旋转和平移的矩阵，我们通常叫它 手眼矩阵。
核心公式：
相机坐标系下的点 Pcam，通过手眼矩阵 X，变换到机器人基坐标系下的点 Pbase：
P_base = X * P_cam其中 X 是一个 4x4 的齐次变换矩阵，包含旋转 R 和平移 t。
根据相机安装位置的不同，手眼标定又分为两种经典模式：
- Eye-to-Hand（眼在手外）：相机固定安装在机器人外部，比如天花板上。它看着机器人和工作台。
- Eye-in-Hand（眼在手上）：相机安装在机器人末端法兰盘上，跟着机械臂一起动。
| 对比项 | Eye-to-Hand（眼在手外） | Eye-in-Hand（眼在手上） |
|---|---|---|
| 相机位置 | 固定于外部支架 | 固定在机器人末端 |
| 视野范围 | 固定，覆盖整个工作区 | 随机械臂移动，视野变化 |
| 标定复杂度 | 相对简单，一次标定 | 稍复杂，需考虑末端姿态变化 |
| 典型应用 | 码垛、分拣、大范围定位 | 精密装配、焊缝跟踪、小空间作业 |
我个人习惯，在做项目选型时，如果工作空间大、物体位置相对固定，优先选 Eye-to-Hand。如果要求高精度、或者机器人需要凑近看细节，那就得上 Eye-in-Hand。
1.2 为什么需要手眼标定？
这个问题，我刚开始带项目时也问过自己。后来踩了坑才明白，没有标定，机器人的眼睛和手就是“陌生人”。
具体来说，有三大原因：
- 坐标系不统一：相机看到的是“相机坐标系”下的坐标，机器人动的是“基坐标系”下的坐标。没有标定，这两个坐标系就是鸡同鸭讲。
- 物理安装误差：你不可能把相机装得水平、垂直。哪怕偏了 0.1 度，在 1 米外的地方，误差就能放大到几毫米。这在工业现场是不可接受的。
- 动态补偿需求：特别是 Eye-in-Hand 模式，机械臂姿态一变，相机看到的物体位置就变了。标定矩阵能实时补偿这个变化。
避坑指南：
我曾经在一个汽车零部件抓取项目里，因为赶工期，手眼标定只做了粗略的“四点法”。结果一到实际抓取，机器人总是偏 2-3 毫米，抓不稳。后来老老实实重新做了完整的九点标定，问题才解决。所以，标定精度直接决定了抓取成功率，千万别图省事。
1.3 手眼标定的应用场景
手眼标定不是实验室里的玩具，它在工业现场无处不在。我挑几个典型的场景说说：
1.3.1 机器人抓取
这是最常见的应用。比如流水线上的工件，位置是随机的。相机拍一张，识别出工件中心，然后通过手眼矩阵换算成机器人坐标，机械臂过去抓起来。整个过程，标定矩阵就是那个“翻译官”。
1.3.2 精密装配
我做过一个手机壳装配的项目。相机装在机器人手上，先拍一个定位孔，再拍另一个，通过手眼矩阵算出两个孔之间的实际空间距离，然后引导机器人把零件装进去。这里标定精度要求很高，通常要控制在 0.1mm 以内。
1.3.3 焊缝跟踪
焊接场景下，工件可能有变形。相机实时拍摄焊缝轨迹，通过手眼矩阵把图像上的焊缝路径映射到机器人运动轨迹上，实现实时纠偏。嗯，这里对实时性要求很高，标定矩阵的计算速度也得跟上。
1.3.4 其他场景
- 码垛/拆垛：视觉引导机器人从托盘上抓取箱子，标定保证每次抓取位置准确。
- 检测与测量：相机检测完产品缺陷，通过手眼矩阵告诉机器人哪个位置需要打磨或涂胶。
- AGV 与机械臂协同：移动机器人上的机械臂，需要同时标定相机与车体、相机与机械臂的关系。
1.4 手眼标定的知识体系
为了让大家有个整体印象，我画了一张图，把本章的核心知识点串起来：
我的建议：
刚开始学手眼标定，不要急着去调算法。先把这张图里的概念搞清楚：什么是坐标系？什么是齐次变换矩阵？Eye-to-Hand 和 Eye-in-Hand 有什么区别？这些基础打牢了，后面学标定算法、写代码才会顺手。
好了，这一章的内容就到这里。手眼标定是整个视觉引导系统的基石，后面的所有章节都会基于这个基础展开。希望大家能真正理解它，而不是只会调 API。