1. 标定基础概念：手眼标定定义、线扫相机与面阵相机的区别、标定在3D测量中的重要性
1.1 手眼标定的核心定义
手眼标定（Hand-Eye Calibration）是机器人视觉系统中建立相机坐标系与机器人末端/基座坐标系之间空间变换关系的数学过程。其本质是求解一个刚体变换矩阵 𝐓，使得视觉系统检测到的目标位置能够被精确映射到机器人运动空间。
核心公式：
其中 𝐓 为 4×4 齐次变换矩阵，包含旋转分量 𝐑（3×3）和平移分量 𝐭（3×1）。
𝐓camera→robot = 𝐓base→end⁻¹ · 𝐓end→camera其中 𝐓 为 4×4 齐次变换矩阵，包含旋转分量 𝐑（3×3）和平移分量 𝐭（3×1）。
在3D线扫应用中，手眼标定解决两个关键问题：
- 空间对齐：将线扫相机获取的2D轮廓点云（X, Z）转换到机器人基座坐标系下的3D坐标（X, Y, Z）。
- 运动补偿：消除因机器人运动轨迹偏差、安装倾斜、关节间隙等因素引入的测量误差。
1.2 线扫相机与面阵相机的核心区别
线扫相机与面阵相机在成像原理、数据结构和应用场景上存在本质差异。下表从8个关键维度进行对比：
| 对比维度 | 线扫相机（Line Scan） | 面阵相机（Area Scan） |
|---|---|---|
| 传感器结构 | 单行/多行像素线阵（1×N 或 3×N） | 二维像素矩阵（M×N） |
| 成像方式 | 逐行扫描 + 运动拼接 | 单次曝光整幅成像 |
| 输出数据 | 2D轮廓（X, Z）+ 运动轴Y | 2D图像（X, Y） |
| 分辨率 | 横向极高（可达16K+像素），纵向取决于编码器 | 固定分辨率（如 5MP、12MP、20MP） |
| 视野形状 | 窄长条带（线状视野） | 矩形区域（面状视野） |
| 运动要求 | 必须配合精确运动平台（编码器触发） | 可静态拍摄，也可动态拍摄 |
| 标定复杂度 | 高（需标定光平面、运动轴、手眼关系） | 中（内参 + 外参 + 畸变） |
| 典型应用 | 3D轮廓测量、圆柱体检测、卷材表面 | 2D定位、OCR、缺陷检测 |
关键认知：线扫相机的“第三维”（Y轴）并非来自相机本身，而是来自编码器脉冲与运动平台的精确配合。这是线扫标定与面阵标定最根本的差异点。
1.3 标定在3D测量中的重要性
标定是3D线扫测量系统的精度基石。未经标定或标定不良的系统，其测量结果将存在系统性偏差，无法满足工业级测量要求。标定的重要性体现在以下四个层面：
- 消除系统误差：补偿镜头畸变、安装倾斜、运动导轨直线度偏差等硬件引入的固定误差。
- 建立统一基准：将相机坐标系下的测量数据转换到机器人基座或工件坐标系，实现多传感器数据融合。
- 保证重复性：标定后的系统在不同时间、不同批次测量中保持一致的精度表现（通常要求 < 0.05 mm）。
- 实现测量：从相对像素值转换为真实物理尺寸（mm/inch），满足尺寸检测、公差判定等需求。
工程警示：在3D线扫项目中，标定误差会沿运动轴方向累积。例如：若Y轴方向标定误差为0.01 mm/m，在1米长的工件上末端误差可达0.01 mm；若同时存在旋转误差，末端偏差可能放大至0.1 mm以上。因此，标定精度必须高于系统设计精度的3~5倍。
1.4 标定流程概览
一个完整的3D线扫手眼标定流程通常包含以下步骤：
| 步骤 | 操作内容 | 输出结果 | 精度影响 |
|---|---|---|---|
| 1 | 相机内参标定（光平面标定） | 相机内参矩阵、畸变系数、光平面方程 | ★★★★★ |
| 2 | 运动轴标定（编码器方向与比例） | Y轴方向向量、脉冲当量（mm/pulse） | ★★★★☆ |
| 3 | 手眼标定（相机-机器人变换） | 𝐓E→C 齐次变换矩阵 | ★★★★★ |
| 4 | 标定验证（精度校验） | 重复性误差、误差报告 | —— |
经验法则：标定过程应遵循“先内后外、先静后动”的原则——先完成相机内参和光平面标定（静态），再进行运动轴标定（动态），最后执行手眼标定（联合）。跳过任何一步都会导致最终测量精度不可控。