4. 标定流程总览：从安装到验证的完整步骤
3D线扫相机的手眼标定不是单一操作，而是一个从硬件安装到数据验证的闭环流程。任何一个环节的偏差都会导致标定失败或精度不达标。本节将完整拆解标定流程，并深入解释标定参数的含义与评价指标。
4.1 标定完整流程（六步法）
以下流程适用于绝大多数“眼在手外”（Eye-to-Hand）与“眼在手上”（Eye-in-Hand）的3D线扫标定场景。核心原则是：先机械，后视觉；先粗调，后精算。
| 步骤 | 阶段 | 关键操作 | 常见故障点 |
|---|---|---|---|
| 1 | 硬件安装与固定 | 锁紧相机支架、标定板固定、确保无振动 | 支架松动、标定板翘曲 |
| 2 | 机械手零点与工具坐标系校准 | TCP（工具中心点）标定、参考点确认 | TCP误差 > 0.5mm |
| 3 | 相机内参标定 | 采集多姿态标定板图像，计算焦距、畸变系数 | 光照不均、标定板反光 |
| 4 | 手眼标定数据采集 | 机械手移动至N个姿态，记录机器人位姿与标定板点云 | 姿态分布单一、数据量不足 |
| 5 | 手眼矩阵求解 | 使用Tsai-Lenz或非线性优化算法计算旋转矩阵R与平移向量t | 奇异矩阵、迭代不收敛 |
| 6 | 标定结果验证 | 用未参与计算的验证点计算重投影误差或距离误差 | 验证点误差 > 0.3mm |
实操建议：步骤3和步骤4可以并行准备，但步骤5必须等前序数据全部就绪后再执行。切勿在机械手未回零或TCP未标定的情况下直接采集手眼数据。
4.2 标定参数含义：旋转矩阵与平移向量
手眼标定的最终输出是一个4×4齐次变换矩阵，通常表示为：
H_cam_to_base = [ R t ]
[ 0 1 ]其中：
- R（旋转矩阵，3×3）：描述相机坐标系相对于机器人基座标系的旋转关系。包含9个元素，但只有3个自由度（绕X、Y、Z轴的旋转角）。
- t（平移向量，3×1）：描述相机坐标系原点在机器人基座标系中的位置偏移，单位通常为毫米（mm）。
物理意义解读：假设机器人基座标系中有一个点P_base，通过H_cam_to_base可以将其转换到相机坐标系：P_cam = R * P_base + t。反之，通过逆矩阵可以将相机检测到的物体坐标转换到机器人可执行的基座标系中。
4.3 标定结果评价指标
标定完成后，必须用定量指标评价结果是否合格。以下是工业现场最常用的三个核心指标：
| 指标名称 | 计算公式/方法 | 合格阈值 | 故障指向 |
|---|---|---|---|
| 重投影误差 | 将标定板角点通过标定矩阵投影回图像，计算与检测点的像素偏差 | < 0.5 pixel | 内参不准或畸变校正残留 |
| 距离误差 | 用标定矩阵计算验证点对之间的3D距离，与实际距离比较 | < 0.3 mm | 手眼矩阵旋转分量偏差 |
| 姿态重复性 | 同一位置多次标定，计算R与t的标准差 | 旋转 < 0.05° 平移 < 0.1 mm |
机械手重复精度差或振动 |
常见误区：不要只看重投影误差而忽略距离误差。重投影误差反映的是2D图像层面的拟合程度，而距离误差直接决定机器人抓取或测量的3D精度。两者必须同时达标。
4.4 标定验证的实操方法
在工业现场，推荐使用“三点验证法”快速判断标定质量：
- 单点验证：将标定板放在工作空间中心位置，记录机器人示教点与相机检测点之间的偏差。
- 多点验证：在工作空间四角及中心共5个位置重复上述操作，计算最大偏差与RMS误差。
- 姿态验证：改变标定板俯仰角（±15°），验证不同姿态下的误差是否稳定。
数据记录模板：建议使用以下格式记录验证数据，便于后续回溯分析：
验证点ID | 机器人X/Y/Z (mm) | 相机X/Y/Z (mm) | 偏差ΔX/ΔY/ΔZ (mm) | 欧拉角偏差 (°)