1. 绪论：3D视觉定位技术概述、机器人坐标标定的意义、课程目标与学习路径

1.1 3D视觉定位技术概述

3D视觉定位，说白了就是让机器人拥有一双“立体眼睛”。

传统的2D视觉只能识别平面上的特征，比如二维码、颜色块。但真实世界是三维的——工件有厚度、有姿态、有深度。3D视觉要解决的，就是“这个东西在空间哪里？朝向如何？”

我个人习惯把3D视觉定位拆成三个核心环节：

• 感知：用深度相机、激光雷达或结构光传感器获取点云数据
• 理解：从点云中分割出目标物体，提取特征（平面、圆柱、边缘等）
• 定位：计算目标在相机坐标系下的6D位姿（X, Y, Z, Rx, Ry, Rz）

我在项目中遇到过最典型的场景：一个汽车焊接工位，机器人需要抓取不同摆放角度的车门。2D视觉死活搞不定，因为车门反光、形状相似。换成3D视觉后，用点云配准算法直接算位姿，问题就解决了。

1.2 机器人坐标标定的意义

你想想看，3D视觉算出了“工件在相机下的位姿”。但机器人要抓取，它需要知道“工件在机器人基座下的位姿”。

这两个坐标系之间，差了一个变换关系。这个变换关系，就是坐标标定要解决的问题。

为什么标定这么重要？

• 精度传递：视觉定位精度再高，标定误差一放大，抓取就偏了
• 系统集成：相机、机器人、传送带、夹具，每个都有自己的坐标系
• 可重复性：换一台机器人或相机，标定参数必须重新算

我曾经在一个项目里吃过亏：视觉定位精度0.5mm，但标定没做好，实际抓取偏差到了5mm。后来花了三天重新做手眼标定，才把误差压回1mm以内。嗯，标定这事，真不能凑合。

1.3 课程目标与学习路径

这门课的目标很明确：让你能独立完成3D视觉定位机器人的坐标标定，并且能验证标定结果是否可靠。

学完这门课，你应该能：

1. 理解相机模型、坐标系变换、手眼标定原理
2. 独立完成相机内参标定、手眼标定（Eye-in-Hand / Eye-to-Hand）
3. 使用点云配准、PnP等方法实现3D定位
4. 设计标定验证流程，量化标定精度
5. 解决实际产线中的标定偏差问题

学习路径建议：

我个人建议的学习节奏：前5章打好数学基础，中间10章动手做标定实验，最后5章做综合项目。别急着跳，标定这东西，一步错步步错。

1.4 本章知识体系

下面这张图，把本章的核心逻辑串起来了。你可以把它当作整个课程的地图。

这张图展示了整个课程的知识脉络。从3D视觉感知开始，经过坐标标定，最后到验证部署。每一章都会在这个框架里找到自己的位置。