1. 课程导论：3D线扫相机手眼标定的定义、应用场景与前置知识
1.1 什么是3D线扫相机手眼标定
3D线扫相机手眼标定，是工业视觉系统中一项核心的几何校准技术。其目标是通过数学变换，精确建立3D线扫相机坐标系与机器人（或运动平台）坐标系之间的空间映射关系。简单来说，就是让机器人“知道”相机看到的每一个3D点，对应到自己的世界坐标中究竟在什么位置。
与传统的面阵相机标定不同，3D线扫相机每次只采集一条轮廓线，通过运动平台的连续移动拼接出完整的3D点云。因此，手眼标定不仅涉及相机内参（如激光平面、镜头畸变），还必须精确标定相机与机器人末端（或运动轴）之间的外参（旋转矩阵R与平移向量T）。
核心公式： 手眼标定的本质是求解齐次变换矩阵 X，满足 AX = XB，其中 A 为机器人末端位姿变化，B 为相机坐标系下的标定物位姿变化。
1.2 典型应用场景
3D线扫相机手眼标定在高端制造业中扮演着不可替代的角色，尤其在以下领域需求最为迫切：
| 行业领域 | 典型应用 | 标定关键需求 |
|---|---|---|
| 3C电子 | 手机中框平面度检测、PCB焊点3D测量、精密装配引导 | 微米级精度、高节拍、多品种换线快速标定 |
| 锂电检测 | 极片涂布厚度测量、电芯表面缺陷检测、极耳间距测量 | 大视野、高速度、抗反光、温度补偿标定 |
| 半导体 | 晶圆表面形貌测量、芯片封装引脚共面性检测 | 纳米级重复精度、洁净环境标定流程 |
| 汽车制造 | 车身间隙面差测量、焊点质量检测、涂胶轨迹引导 | 大尺寸工件、多机器人协同标定 |
行业趋势： 随着3C和锂电行业对“零缺陷”产线的追求，3D线扫相机已从可选配置变为产线标配，手眼标定的自动化与脚本化成为工程落地的关键瓶颈。
1.3 课程目标
本课程旨在培养学员从理论到实战的完整能力，完成学习后，你将能够：
- 理解原理： 掌握3D线扫相机成像模型、手眼标定数学基础（刚体变换、李群李代数）。
- 独立编程： 使用Python编写完整的手眼标定脚本，涵盖数据采集、特征提取、矩阵求解与精度验证。
- 工程落地： 处理实际标定中的噪声、异常点、标定板设计等工程问题，输出可直接用于产线的标定参数。
- 自动化集成： 将标定脚本封装为可重复执行的模块，支持一键标定与自动报告生成。
1.4 前置知识要求
为了确保学习效果，建议学员具备以下基础：
| 知识领域 | 具体要求 | 推荐学习资源 |
|---|---|---|
| Python编程 | 熟悉NumPy、Matplotlib基础操作，能读写文件与处理数组 | 《Python编程从入门到实践》 |
| 线性代数 | 掌握矩阵乘法、齐次坐标、旋转矩阵、最小二乘法 | 3Blue1Brown线性代数系列 |
| 机器人学基础 | 了解机器人坐标系定义、正运动学、欧拉角/四元数 | 《机器人学导论》Craig |
| 计算机视觉 | 理解相机成像模型、内参外参概念、标定板原理 | 《学习OpenCV》 |
避坑提示： 如果对“齐次变换矩阵”或“坐标系链”概念不熟悉，建议先花2小时复习相关线性代数内容，否则后续脚本编写中极易出现坐标系混淆导致的标定失败。
1.5 3D线扫手眼标定系统架构
下图展示了典型的3D线扫手眼标定系统组成与数据流关系：
1.6 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，本课程将逐一深入讲解：
- 系统搭建： 安装相机、机器人、标定物，确保通信正常。
- 数据采集： 控制机器人运动到N个不同位姿，在每个位姿下采集3D轮廓并记录机器人末端位姿。
- 特征提取： 从点云中提取标定物特征点（如球心坐标、平面方程）。
- 矩阵构建： 根据 AX = XB 方程构建超定方程组。
- 求解优化： 使用SVD分解或李代数方法求解旋转矩阵与平移向量。
- 精度验证： 通过重投影误差或已知距离测量评估标定精度。
- 参数固化： 将标定结果写入配置文件，供在线检测程序调用。
课程特色： 本课程所有脚本均提供完整的Python实现，并附带真实产线采集的示例数据，确保学员可以“即学即用”，快速复现标定结果。