1. 课程导论：3D视觉定位与手眼标定的行业应用、课程目标与学习路径
1.1 为什么3D视觉与手眼标定是机器人智能化的核心
在工业4.0与智能制造浪潮下，机器人从“重复执行”向“感知-决策-执行”闭环演进。3D视觉定位赋予机器人感知三维环境的能力，而手眼标定则是打通视觉坐标系与机器人坐标系的关键桥梁。没有精确的手眼标定，3D视觉系统获取的“物体在哪里”就无法转化为机器人可执行的“抓取路径”。
核心公式： 视觉感知 + 手眼标定 = 机器人精准操作。标定精度直接决定抓取、装配、焊接等任务的成败。
1.2 行业应用全景
3D视觉定位与手眼标定已广泛渗透至以下关键领域：
| 行业 | 典型应用场景 | 技术价值 |
|---|---|---|
| 汽车制造 | 发动机缸体抓取、车门装配、涂胶轨迹引导 | 消除工装误差，适应多车型混线生产 |
| 3C电子 | 手机中板贴合、芯片分拣、PCB板插件 | 亚毫米级定位，满足高密度元件装配 |
| 物流仓储 | 快递包裹拆垛、料箱拣选、无序抓取 | 处理非标品，提升自动化柔性 |
| 金属加工 | 铸件去毛刺、焊接寻位、钣金折弯 | 适应工件变形与来料偏差 |
| 医疗与生物 | 手术导航、试管分拣、药瓶灌装 | 高洁净度环境下的精准操作 |
1.3 课程目标：从原理到实战的完整闭环
本课程旨在帮助学员系统掌握以下核心能力：
- 理解原理： 透彻讲解3D相机成像模型、坐标系变换、手眼标定数学基础（AX=XB）。
- 掌握方法： 覆盖眼在手上（Eye-in-Hand）与眼在手外（Eye-to-Hand）两种主流标定模式。
- 动手实战： 基于真实3D相机与机器人平台，完成从数据采集、标定计算到精度验证的全流程。
- 解决工程问题： 分析标定误差来源、异常数据处理、标定板设计等实战避坑指南。
学习建议： 本课程强调“理论-代码-实机”三环联动。建议学员提前准备一台支持ROS的机器人仿真环境（如CoppeliaSim）或实物平台，以便同步练习。
1.4 学习路径与章节地图
课程共30章，按知识递进关系分为四大模块：
- 基础篇（第1-8章）： 3D视觉基础、坐标系变换、手眼标定数学模型。
- 方法篇（第9-16章）： 眼在手上/眼在手外标定算法、Tsai/Denis-Horn/Navy方法详解。
- 实战篇（第17-24章）： 基于OpenCV+Eigen的标定代码实现、标定板设计、精度验证。
- 进阶篇（第25-30章）： 多相机标定、在线标定、标定误差补偿与工业部署。
下图展示了本课程的知识体系与学习路径：
1.5 课程特色与实战环境
| 特色维度 | 说明 |
|---|---|
| 理论深度 | 从刚体变换到李群李代数，推导手眼标定闭式解与优化解 |
| 代码驱动 | 每章配套C++/Python代码，基于OpenCV、Eigen、PCL实现 |
| 实机验证 | 提供真实标定数据与仿真环境，支持眼在手上/眼在手外双模式 |
| 工程避坑 | 总结标定失败案例、奇异位姿、标定板反光等常见问题 |
重要提醒： 手眼标定是系统工程，切勿只关注算法而忽略数据采集质量。本课程将反复强调“数据质量决定标定上限”这一工程原则。