1. 课程导论：3D线扫相机Eye-in-Hand标定的定义、应用场景及课程目标
1.1 什么是3D线扫相机Eye-in-Hand标定？
Eye-in-Hand（眼在手上） 是一种将3D线扫相机固定安装在机器人末端执行器（法兰盘）上的视觉配置。相机随机器人运动，从不同角度扫描目标物体，获取高精度三维点云数据。
标定的核心任务 是求解从相机坐标系到机器人末端坐标系的刚性变换矩阵（旋转矩阵 R 和平移向量 t），即：
P_end = R * P_cam + t其中：
- P_cam：相机坐标系下的3D点
- P_end：机器人末端坐标系下的对应点
- R, t：待标定的外参（手眼矩阵）
关键区别： 与面阵相机Eye-in-Hand不同，3D线扫相机每次只采集一条激光线轮廓，需要结合机器人运动编码器或实时位姿数据，才能拼接出完整3D点云。因此，标定过程必须同时考虑相机内参、激光平面方程以及机器人运动学。
1.2 应用场景
3D线扫相机Eye-in-Hand配置在工业自动化领域具有广泛的应用，尤其在需要高精度、大范围、复杂曲面检测的场景中表现突出。
| 应用场景 | 典型任务 | 技术优势 |
|---|---|---|
| 机器人引导（抓取/放置） | 从料箱中无序抓取工件，引导机器人精确放置到指定位置 | 随动扫描，无视野盲区；适应工件位置随机变化 |
| 在线尺寸检测 | 生产线上的零件轮廓、平面度、间隙、段差测量 | 非接触、高速、高精度（可达微米级） |
| 焊缝跟踪与检测 | 实时检测焊缝坡口形状，引导焊枪自动调整轨迹 | 抗弧光、烟尘干扰；可检测窄间隙焊缝 |
| 3D逆向建模 | 对复杂曲面工件进行多角度扫描，生成高密度点云模型 | 机器人多自由度运动，可覆盖复杂几何形状 |
| 装配验证 | 检测装配后的零件相对位置、间隙是否符合公差 | 在线实时检测，避免后续工序浪费 |
1.3 课程目标
通过本课程的学习，学员将能够独立完成3D线扫相机Eye-in-Hand标定的全流程，并具备解决实际工程问题的能力。
- 理解核心原理：掌握3D线扫相机成像模型、机器人运动学基础、手眼标定数学原理（AX=XB）。
- 掌握标定流程：学会使用标准标定块（如球体、立方体、阶梯块）进行数据采集、特征提取与位姿求解。
- 实现算法编程：能够使用C++/Python实现手眼标定算法，包括最小二乘求解、奇异值分解（SVD）等。
- 评估标定精度：学会使用重复性误差、重投影误差等指标对标定结果进行量化评估与优化。
- 解决工程问题：掌握标定过程中的常见问题（如标定块遮挡、运动轨迹规划、数据同步）及解决方案。
1.4 标定系统架构总览
下图展示了3D线扫相机Eye-in-Hand标定系统的核心组件与数据流关系：
学习建议： 本课程将按照“原理→硬件搭建→软件实现→精度评估”的路径展开。建议学员提前准备一台可编程机器人（如UR、ABB、KUKA）和一台3D线扫相机（如Keyence LJ-X、Gocator、SICK），以便同步实践。