1. 手眼标定概述：什么是手眼标定？为什么需要手眼标定？
大家好，我是你们这门课的主讲。在机器人行业摸爬滚打了十几年，我见过太多项目因为标定问题翻车。今天咱们就来聊聊手眼标定——这个听起来高大上，实际上却是视觉机器人落地第一道坎的技术。
说白了，手眼标定就是解决一个核心问题：机器人怎么知道它看到的物体到底在哪儿。你想想看，相机看到一块电路板，告诉机器人“嘿，板子在这儿”，但机器人得用自己的机械臂去抓。如果相机和机械臂的坐标关系没对齐，那抓取就是瞎抓。
什么是手眼标定？
手眼标定，全称是“机器人手眼系统坐标变换标定”。它的本质是求解相机坐标系与机器人末端（或基座）坐标系之间的刚体变换矩阵。这个矩阵包含旋转和平移，一共6个自由度。
我习惯用一个比喻来解释：相机是眼睛，机械臂是手，标定就是让手知道眼睛看到的“这里”到底是哪个“这里”。没有标定，眼睛和手各说各话，配合不起来。
核心公式：手眼标定最终要解的是 AX = XB 或 AX = ZB 这类矩阵方程。别被公式吓到，后面我们会一步步拆解。
根据相机安装位置不同，手眼系统分为两种主流构型：
| 构型 | 相机安装位置 | 标定目标 | 典型场景 |
|---|---|---|---|
| Eye-in-Hand（眼在手上） | 固定在机械臂末端 | 相机坐标系 → 末端坐标系 | 精密装配、焊缝跟踪 |
| Eye-to-Hand（眼在手外） | 固定在工作台上方 | 相机坐标系 → 机器人基座坐标系 | 码垛、分拣、大范围定位 |
嗯，这里要注意：两种构型的标定流程和误差来源完全不同。我在项目里见过有人把Eye-in-Hand的标定板贴在桌上，结果怎么算都不对——其实他应该把标定板固定在机器人末端。这种低级错误，一旦犯了，排查起来特别痛苦。
为什么需要手眼标定？
你可能会问：我把相机和机器人装好，直接测一下相对位置不行吗？
行，但精度不够。原因有三：
- 机械安装误差：相机支架、法兰盘、夹具都有加工公差。你以为装正了，实际上偏了0.5毫米。在精密抓取中，这0.5毫米就是灾难。
- 相机内参影响：镜头畸变、焦距偏差都会让图像坐标与实际物理坐标产生偏移。内参标定是手眼标定的前置条件，我后面会专门讲。
- 机器人运动学误差：机器人本身的连杆参数、减速比都有微小偏差。这些误差会叠加到手眼关系里。
避坑指南：我曾经接手过一个项目，现场工程师说“标定好了”，结果抓取成功率只有60%。排查了三天，最后发现是相机内参用了出厂默认值，根本没做现场标定。记住：内参不准，手眼标定就是空中楼阁。
所以，手眼标定不是“锦上添花”，而是“雪中送炭”。它把安装误差、相机畸变、机器人运动学误差统一补偿到一个变换矩阵里。标定好了，抓取精度才能从毫米级提升到亚毫米级。
手眼标定的应用场景
我挑三个最典型的场景聊聊，这些都是我亲手做过的项目。
1. 机器人抓取
这是最基础的应用。比如3C电子行业的PCB板抓取，或者食品行业的饼干分拣。相机拍到来料位置，机器人根据标定结果算出抓取位姿。我做过一个项目，要求抓取精度±0.3mm，标定搞了两周才达标。说白了，抓取场景对手眼标定的实时性要求不高，但对重复精度要求极高。
2. 视觉引导
视觉引导比单纯抓取更复杂。比如汽车行业的涂胶、焊接、装配。机器人需要根据视觉反馈实时调整轨迹。这时候手眼标定不仅要准，还要考虑标定板放置、光照变化、标定数据采集策略。我记得有个涂胶项目，标定误差0.1mm导致胶线偏移，产品全部报废——那是我职业生涯最惨的一次教训。
3. 医疗手术
医疗机器人是手眼标定的“天花板”。比如骨科手术导航、穿刺活检。精度要求通常在±0.1mm以内，而且标定过程不能接触患者。我参与过一个手术机器人项目，标定流程必须无菌操作，标定板要用医用级材料。说实话，医疗场景的手眼标定，误差分析比算法本身更重要——因为一旦出错，后果是生命。
我的经验：不管什么场景，手眼标定的核心都是“数据质量决定标定质量”。我见过太多人把精力花在优化算法上，却忽略了采集数据时机器人姿态的分布。后面我会专门讲怎么设计标定数据采集策略——这是实战中最容易被忽视的环节。
手眼标定的知识体系
为了让你对整个章节有个全局认识，我画了一张结构图。这张图涵盖了手眼标定的核心知识模块和它们之间的关系。
这张图把整个手眼标定的知识脉络串起来了。你会发现，从核心目标出发，分两大构型，然后依赖前置条件，再落到具体方法，最后用误差分析来闭环。咱们这门课就是按照这个结构展开的。
好了，第一章就到这里。记住一句话：手眼标定不是一次性的工作，而是贯穿整个机器人视觉系统生命周期的持续优化过程。后面我们会深入每个环节，把坑一个个填平。