2. 坐标系基础：世界坐标系、机器人基坐标系、工具坐标系、相机坐标系、标定板坐标系之间的变换关系

手眼标定的本质是求解不同坐标系之间的刚体变换矩阵。在机器人视觉引导系统中，通常涉及五个核心坐标系：世界坐标系 (World)、机器人基坐标系 (Base)、工具坐标系 (Tool)、相机坐标系 (Camera) 和 标定板坐标系 (Calibration Object / Grid)。理解它们之间的层级变换关系，是进行标定参数优化和误差分析的前提。

2.1 五大坐标系定义与作用

2.2 坐标系变换关系总览

下图展示了五个坐标系之间的典型变换链路。其中，手眼标定 的核心是求解 ^C_T_T（眼在手外）或 ^T_T_C（眼在手上）这两个未知变换矩阵。

2.3 核心变换矩阵详解

在实际标定流程中，我们通常将世界坐标系与机器人基坐标系或相机基坐标系对齐，以简化问题。以下是必须掌握的四个关键变换：

1. 机器人正解变换 ^B_T_T：由机器人控制器根据当前关节角度实时计算得出，表示工具坐标系在机器人基坐标系下的位姿。这是标定过程中最可靠的已知量之一。
2. 相机外参变换 ^C_T_O：通过拍摄标定板图像，利用PnP算法求解得到。它描述了标定板坐标系相对于相机坐标系的位姿。其精度受图像质量、标定板加工精度和相机内参标定精度影响。
3. 手眼变换 ^T_T_C 或 ^C_T_T：这是手眼标定的最终求解目标。对于眼在手上配置，^T_T_C 是固定不变的；对于眼在手外配置，^C_T_T 是固定不变的。
4. 基座到世界变换 ^W_T_B：通常通过外部测量设备（如激光跟踪仪）或机器人示教确定。在大多数标定优化场景中，我们假设此变换为已知常量，或将其与世界坐标系合并。

2.4 眼在手上 vs 眼在手外：变换链差异

两种主流配置的变换链闭合方程不同，直接影响标定算法的输入输出。

2.5 坐标系变换的数学表示

所有变换均使用齐次坐标表示。一个三维点 P 在坐标系 {A} 下的坐标 ^A_P 与在坐标系 {B} 下的坐标 ^B_P 满足：

^A_P = ^A_T_B * ^B_P

其中：
^A_T_B = [ ^A_R_B    ^A_t_B ]
         [ 0 0 0      1     ]

^A_R_B : 3x3 旋转矩阵
^A_t_B : 3x1 平移向量

在手眼标定中，我们通常利用 AX = XB 方程（眼在手上）或其变体来求解。其中 A 和 B 是已知变换的增量，X 是待求的手眼矩阵。

2.6 坐标系变换中的误差传递

在标定参数优化中，必须关注误差如何在坐标系间传递。主要误差源包括：

• 机器人运动学误差：导致 ^B_T_T 存在微小偏差，尤其在远离零点位置时。
• 相机内参标定误差：直接影响 ^C_T_O 的旋转和平移精度。
• 标定板平面度与特征点位置误差：引入系统性的参考点偏差。
• 图像特征提取误差：亚像素角点提取的随机噪声。