1. 标定基础：3D线扫相机成像原理、手眼标定核心概念、标定在自动化产线中的重要性
1.1 3D线扫相机成像原理
3D线扫相机（又称激光轮廓传感器）基于激光三角测量法获取物体表面三维轮廓。其核心组件包括：线激光发射器、高分辨率CMOS/CCD面阵传感器、光学镜头及嵌入式处理单元。
成像过程：
- 激光投射：线激光器发出一束扇形激光，在物体表面形成一条明亮的激光线。
- 漫反射采集：相机以一定角度（通常为20°~45°）拍摄该激光线，传感器记录激光线的位置偏移量。
- 三角测距计算：利用激光发射器与相机之间的固定基线长度和角度，通过三角几何关系计算每个像素点对应的高度值（Z坐标）。
- 轮廓提取：沿运动方向（X轴）逐帧采集轮廓线，拼接成完整的三维点云或深度图。
关键参数：激光线宽（通常≤50μm）、Z轴重复精度（可达0.2μm~5μm）、扫描频率（1kHz~10kHz）、视野宽度（FOV）与安装距离（WD）的匹配关系。
1.2 手眼标定核心概念
手眼标定（Hand-Eye Calibration）解决的是相机坐标系与机器人末端执行器坐标系之间的空间变换关系。在3D线扫应用中，标定的目标是求取变换矩阵 X，使得相机测量的三维坐标能够精确映射到机器人基坐标系下。
两种典型配置：
| 配置类型 | 相机安装位置 | 变换关系 | 典型应用 |
|---|---|---|---|
| Eye-in-Hand（眼在手上） | 相机固定在机器人末端 | 相机 → 末端 → 基座 | 小零件抓取、精密装配 |
| Eye-to-Hand（眼在手外） | 相机固定在工作台上方 | 相机 → 基座（静态） | 大尺寸工件检测、传送带跟踪 |
标定方程（AX = XB）：
A · X = X · B
其中：
A = 机器人末端从位姿1到位姿2的变换矩阵（已知）
B = 相机从位姿1到位姿2的变换矩阵（已知）
X = 相机与末端之间的固定变换矩阵（待求）
实操提示：3D线扫相机手眼标定通常需要采集15~25组不同位姿下的标定块数据。位姿变化应覆盖平移（X/Y/Z）和旋转（Rx/Ry/Rz）六个自由度，避免退化运动（如仅平移不旋转）。
1.3 标定在自动化产线中的重要性
在自动化产线中，3D线扫相机的手眼标定精度直接决定视觉引导定位和在线尺寸检测的可靠性。标定偏差会导致机器人抓取偏移、测量数据失真、产线频繁停机等严重问题。
标定精度对产线指标的影响：
| 产线指标 | 标定良好（误差 < 0.1mm） | 标定偏差（误差 > 0.5mm） |
|---|---|---|
| 抓取成功率 | ≥ 99.5% | ≤ 85% |
| 检测误判率 | ≤ 0.2% | ≥ 3% |
| 产线OEE（设备综合效率） | ≥ 92% | ≤ 75% |
| 调试换型时间 | ≤ 15分钟 | ≥ 60分钟 |
典型应用场景：
- 无序抓取：料框内随机摆放的工件，3D线扫获取位姿后引导机器人精准抓取。
- 在线尺寸检测：传送带上运动工件的轮廓、平面度、高度差实时测量。
- 焊缝跟踪：根据工件接缝的三维轨迹实时调整焊接机器人路径。
- 涂胶/点胶：精确控制胶线在三维曲面上的位置和厚度。
常见误区：许多工程师认为标定只需做一次即可长期使用。实际上，产线温度变化、机械振动、相机镜头松动、机器人负载变化等因素都会导致标定参数漂移。建议每3~6个月或产线大修后重新标定，并建立标定参数变化趋势监控。
1.4 标定流程概览
一个完整的3D线扫手眼标定流程包含以下关键步骤：
- 硬件准备：安装标定块（精密陶瓷球/棋盘格/阶梯块），确保相机视野清晰、激光线聚焦良好。
- 机器人示教：记录机器人末端在多个位姿下的坐标值（至少12个非共面位姿）。
- 数据采集：在每个位姿下采集标定块的3D点云或轮廓数据。
- 特征提取：从点云中提取标定块的特征点（球心、角点、边缘等）。
- 方程求解：使用最小二乘法或奇异值分解（SVD）求解AX=XB方程。
- 精度验证：用验证位姿数据计算重投影误差，确认标定精度是否达标。
精度验收标准：工业级应用通常要求重投影误差 < 0.2mm，旋转误差 < 0.1°。对于高精度装配（如3C电子），需达到 < 0.05mm 和 < 0.02°。