3、3D相机标定实战：手眼标定（Eye-in-Hand vs Eye-to-Hand），标定流程与代码实现，精度验证方法

手眼标定，说白了就是让机器人知道「我的眼睛长在哪」。

你想想看，3D相机拍到了工件的位置，但机器人要去抓它。相机坐标系和机器人坐标系之间，差了一个变换关系。这个关系不搞清楚，你测再准也没用。

我刚开始做这个的时候，总觉得标定就是跑个算子完事。后来发现，标定流程、精度验证、甚至相机装在哪，都会直接影响最终效果。嗯，这一章咱们就把这些事彻底讲透。

3.1 两种安装方式：Eye-in-Hand vs Eye-to-Hand

先搞清楚一个基本问题：相机装在哪？

这决定了你的标定模型和算法路径。我见过不少新手，上来就套代码，结果标定结果一塌糊涂——其实就是装法没搞对。

对比项	Eye-in-Hand（眼在手上）	Eye-to-Hand（眼在手外）
相机安装位置	固定在机器人末端（法兰盘）	固定在工作台上方或侧面
标定目标	求相机到末端（Tool）的变换	求相机到机器人基座（Base）的变换
标定方程	AX = XB	AX = XB（形式相同，含义不同）
常用场景	小范围、高精度抓取、焊缝跟踪	大范围、料筐抓取、固定工位检测
优点	相机随动，视野灵活，可近距离测量	相机固定，标定一次长期使用
缺点	每次换工具需重新标定，对机械刚性要求高	视野固定，大工件可能需要多相机

3.2 标定流程：从拍照到解算

我个人习惯把流程拆成五步。每一步都有坑，咱们一个一个说。

Step 1：准备标定物

用Halcon的标定板。我建议用高精度陶瓷板，别用打印的纸板——3D相机对平面度敏感，纸板一翘曲，标定就偏了。

• 标定板尺寸：根据视场大小选，一般占视场的1/3到1/2
• 标定板文件：用gen_caltab生成，或者用Halcon自带的caltab_30mm.descr

Step 2：采集多组位姿

这一步最容易被忽视。很多人随便拍几张就开标，结果精度惨不忍睹。

我建议至少拍15-20组。而且位姿要覆盖整个工作空间：

• 不同高度（Z方向拉开）
• 不同角度（绕X、Y、Z旋转）
• 不同位置（X、Y平面均匀分布）

Step 3：提取标定板位姿

用find_caltab和find_marks_and_pose提取标定板在相机坐标系下的位姿。

注意：3D相机如果是结构光或双目，这一步通常是在深度图上做，或者直接用点云拟合标定板平面。

* Halcon代码示例：提取标定板位姿
read_image (Image, 'calib_image_01')
find_caltab (Image, CaltabRegion, 'caltab_30mm.descr', 3, 112, 5)
find_marks_and_pose (Image, CaltabRegion, 'caltab_30mm.descr', \
                     StartCamParam, 128, 10, 18, 0.9, \
                     MarkRCoord, MarkCCoord, StartPose)

Step 4：记录机器人位姿

每次拍照时，同时记录机器人末端（或基座）的位姿。注意：

• Eye-in-Hand：记录机器人末端在基座坐标系下的位姿
• Eye-to-Hand：记录机器人末端在基座坐标系下的位姿（形式一样，但方程不同）

Step 5：执行标定

把所有数据喂给hand_eye_calibration。Halcon会自动解算出手眼变换矩阵。

* Halcon代码示例：手眼标定核心算子
* CalibDataID 是标定数据句柄，包含所有图像位姿和机器人位姿
hand_eye_calibration (CalibDataID, Errors, HandEyeMatrix)
* HandEyeMatrix 就是我们要的变换矩阵

3.3 精度验证方法

标定完了，怎么知道准不准？

我见过很多人标完就跑，结果现场一抓就偏。验证这一步，不能省。

方法一：重投影误差验证

用标定结果把标定板角点反投回图像，看偏差。

• 误差 < 0.3像素：优秀
• 误差 0.3~0.8像素：可接受
• 误差 > 1.0像素：重新标定

方法二：实际抓取验证（我最推荐的方法）

拿一个已知尺寸的工件，放在工作空间的不同位置，让机器人去抓。

1. 在相机下拍工件，得到抓取位姿
2. 机器人运动到该位姿
3. 测量实际抓取位置与理论位置的偏差

我一般要求位置偏差 < 1mm，角度偏差 < 0.5°。如果达不到，优先检查标定数据分布是否合理。

方法三：重复性验证

同一个位姿，重复标定10次，看结果的波动范围。

• 平移波动 < 0.2mm
• 旋转波动 < 0.1°

如果波动大，说明机械刚性或相机噪声有问题。

3.4 知识结构总览

下面这张图，是我自己整理的手眼标定知识框架。每次做项目前，我都会对照着走一遍流程。

3.5 常见问题与避坑指南

• 标定数据太少？至少15组，20组以上更稳
• 标定板不平？用陶瓷板，别用亚克力或纸板
• 机器人抖动？拍照时让机器人静止1秒再触发
• 标定结果发散？检查是否有位姿数据录入错误（比如把角度单位搞混了）