4. 手眼标定数学模型：AX=XB 问题推导

好，咱们进入正题。手眼标定，说白了就是解一个方程——AX = XB。这个方程看着简单，但背后藏着不少门道。我当年第一次接触时，心想这不就是个矩阵方程嘛，直接求逆不就完了？结果被现实狠狠教育了一顿。

为什么？因为 A 和 B 都是刚体变换矩阵，属于 SE(3) 群，不是随便一个线性方程就能解的。咱们得从数学上把它拆开，再根据不同的机器人构型来建模。

4.1 核心方程：AX = XB 的由来

先说说这个方程是怎么来的。你想想看，手眼标定要解决的核心问题是：相机坐标系和机器人末端（或基座）坐标系之间的变换关系。这个关系是固定的，我们记作 X。

对于一次运动，机器人末端从位姿 1 移动到 位姿 2，我们有两个信息源：

  • 机器人运动学：告诉我们末端坐标系的变化，记作 A（4x4 齐次矩阵）。
  • 视觉测量：通过标定板，告诉我们相机看到的目标坐标系变化，记作 B（也是 4x4 齐次矩阵）。

这两个变化，通过未知的固定变换 X 联系起来。数学推导如下：

设：
  T_base_to_end1：第一次运动时，末端在基座下的位姿
  T_base_to_end2：第二次运动时，末端在基座下的位姿
  T_cam_to_obj1：第一次运动时，标定板在相机下的位姿
  T_cam_to_obj2：第二次运动时，标定板在相机下的位姿
  X：相机到末端的变换（Eye-in-Hand）或相机到基座的变换（Eye-to-Hand）

对于 Eye-in-Hand：
  T_base_to_end2 = T_base_to_end1 * A
  T_cam_to_obj2 = T_cam_to_obj1 * B
  且 T_end_to_cam = X（固定）
  
推导可得：A * X = X * B

嗯，这里要注意：A 和 B 都是相对运动，不是位姿。我见过不少新手直接拿位姿往里套，结果解出来的 X 乱七八糟。

关键点：AX=XB 中的 A 和 B 必须是相对变换，即从位姿1到位姿2的运动增量。位姿不能直接代入。

4.2 两种模式的数学建模

手眼系统分两种：眼在手上（Eye-in-Hand）和眼在手外（Eye-to-Hand）。它们的数学模型略有不同，但最终都归结为 AX=XB。

4.2.1 眼在手上（Eye-in-Hand）

这种模式下，相机固定在机器人末端。相机跟着末端一起动。我们要标定的是 相机坐标系到末端坐标系的变换，记作 X_cam_to_end。

数学建模过程：

  1. 定义坐标系：基座坐标系 {B}，末端坐标系 {E}，相机坐标系 {C}，标定板坐标系 {P}。
  2. 已知量：
    • 机器人正运动学给出：BTE1 和 BTE2（末端在基座下的位姿）
    • 视觉测量给出：CTP1 和 CTP2（标定板在相机下的位姿）
  3. 未知量：ETC = X（相机到末端的固定变换）
  4. 推导：
    • 由运动学链：BTP = BTE * ETC * CTP
    • 对于两次运动，BTP 是固定的（标定板不动），所以：
      BTE1 * X * CTP1 = BTE2 * X * CTP2
    • 整理得：(BTE2-1 * BTE1) * X = X * (CTP2 * CTP1-1)
    • 即：A * X = X * B

我的经验：Eye-in-Hand 模式下，标定板必须固定在世界坐标系中（比如桌面上）。我曾经有一次没固定好标定板，被同事碰了一下，结果标定结果偏了 2 度，找了半天原因。

4.2.2 眼在手外（Eye-to-Hand）

这种模式下，相机固定在机器人外部（比如天花板上），看着机器人工作。我们要标定的是 相机坐标系到机器人基座坐标系的变换，记作 X_cam_to_base。

数学建模过程：

  1. 定义坐标系：基座坐标系 {B}，末端坐标系 {E}，相机坐标系 {C}，标定板坐标系 {P}。
  2. 已知量：
    • 机器人正运动学给出：BTE1 和 BTE2
    • 视觉测量给出：CTP1 和 CTP2
  3. 未知量：CTB = X（相机到基座的固定变换）
  4. 推导：
    • 标定板固定在机器人末端，所以 ETP 是固定的。
    • 由运动学链：CTP = CTB * BTE * ETP
    • 对于两次运动，ETP 固定，所以：
      CTP1 = X * BTE1 * ETP
      CTP2 = X * BTE2 * ETP
    • 消去 ETP 得：(CTP2 * CTP1-1) * X = X * (BTE2 * BTE1-1)
    • 即：A * X = X * B（注意 A 和 B 的定义与 Eye-in-Hand 相反）

避坑指南：我曾经在 Eye-to-Hand 标定时，把 A 和 B 搞反了，结果解出来的 X 完全不对。记住：Eye-in-Hand 的 A 来自机器人，B 来自相机；Eye-to-Hand 的 A 来自相机，B 来自机器人。两个模式公式形式一样，但物理含义不同。

4.3 两种模式的对比

对比项 眼在手上（Eye-in-Hand） 眼在手外（Eye-to-Hand）
相机安装位置 固定在机器人末端 固定在机器人外部
标定板位置 固定在世界坐标系中 固定在机器人末端
待求变换 X 相机 → 末端（ETC） 相机 → 基座（CTB）
A 矩阵来源 机器人运动学（末端运动） 视觉测量（标定板运动）
B 矩阵来源 视觉测量（标定板运动） 机器人运动学（末端运动）
应用场景 抓取、装配、移动操作 视觉引导、定位、检测

4.4 AX=XB 的分解求解思路

AX=XB 是一个矩阵方程，直接解比较麻烦。常用的做法是把它拆成旋转部分和平移部分。

设：

A = [R_A, t_A; 0, 1]
B = [R_B, t_B; 0, 1]
X = [R_X, t_X; 0, 1]

代入 AX = XB 得：
  R_A * R_X = R_X * R_B    （旋转部分）
  R_A * t_X + t_A = R_X * t_B + t_X  （平移部分）

这样就把一个 4x4 矩阵方程，拆成了两个子问题：

  1. 先解旋转：R_A * R_X = R_X * R_B。这是一个典型的矩阵李群方程，可以用 Tsai 方法、Park 方法等求解。
  2. 再解平移：有了 R_X 后，平移部分变成线性方程：(R_A - I) * t_X = R_X * t_B - t_A，可以用最小二乘法求解。

核心思路：先旋转后平移。旋转部分是非线性的，需要特殊处理；平移部分在旋转已知后是线性的，直接解就行。

4.5 知识结构图

下面这张图总结了本章的核心逻辑：

手眼标定数学模型：AX=XB 推导 眼在手上（Eye-in-Hand） 眼在手外（Eye-to-Hand） 相机固定在机器人末端 相机固定在机器人外部 标定板固定在世界坐标系 标定板固定在机器人末端 待求：ETC（相机→末端） 待求：CTB（相机→基座） 统一方程：A · X = X · B （A、B 来源不同，但方程形式相同） 求解策略：先解旋转 R_X，再解平移 t_X

4.6 小结

这一章我们做了三件事：

  • 推导了 AX=XB 方程：从运动学链出发，证明了两种模式都归结为同一个矩阵方程。
  • 建立了两种模式的数学模型：Eye-in-Hand 和 Eye-to-Hand，明确了 A、B、X 各自的物理含义。
  • 给出了求解思路：先解旋转，再解平移，把非线性问题拆成两步走。

我个人觉得，理解这个数学模型是手眼标定最关键的一步。方程本身不难，难的是搞清楚每个矩阵代表什么、从哪里来。你只要把坐标系关系理清了，后面的求解算法就是按部就班的事。

← 上一章 📖 返回目录 下一章 →