1. 手眼标定概述
什么是手眼标定
手眼标定（Hand-Eye Calibration）是机器人视觉系统中的核心步骤，用于求解机器人末端执行器（手）与视觉传感器（眼）之间的空间变换关系。在3D视觉定位中，这一变换关系通常表示为一个齐次变换矩阵，将相机坐标系下的测量数据转换到机器人基坐标系下，使机器人能够准确抓取或操作目标物体。
从数学本质上讲，手眼标定求解的是以下方程：
AX = XB其中：
- A：机器人末端在两次运动之间的位姿变换矩阵（由机器人正运动学提供）
- B：相机在两次观测之间的位姿变换矩阵（由视觉系统计算得出）
- X：待求解的手眼变换矩阵（相机到机器人末端的固定变换）
关键理解：手眼标定本质上是一个矩阵方程求解问题，通过机器人多次运动并记录对应的末端位姿与视觉观测数据，利用非线性优化或解析方法求解出未知的变换矩阵X。
为什么需要手眼标定
在3D视觉定位系统中，视觉传感器和机器人手臂是两个独立的子系统，各自拥有独立的坐标系。如果没有手眼标定，视觉系统检测到的物体位置无法被机器人正确理解和使用。具体原因包括：
| 问题 | 说明 | 后果 |
|---|---|---|
| 坐标系不统一 | 相机坐标系与机器人基坐标系无关联 | 视觉定位数据无法直接用于机器人运动控制 |
| 安装误差 | 相机安装位置存在机械公差 | 理论安装参数与实际偏差导致定位不准 |
| 系统集成需求 | 视觉与运动控制需要协同工作 | 无法实现自动化抓取、装配等任务 |
| 精度保障 | 理论计算无法满足工业级精度要求 | 高精度定位任务（如0.1mm级）无法完成 |
常见误区：有些工程师认为只要将相机固定在机器人末端并测量安装尺寸即可，不需要标定。实际上，由于机械加工误差、安装倾斜、镜头畸变等因素，理论安装参数与实际变换关系往往存在显著偏差，必须通过标定来精确求解。
手眼标定在3D视觉定位中的作用
在3D视觉定位任务中，手眼标定扮演着桥梁和精度保障的双重角色。其核心作用体现在以下四个方面：
- 坐标系统一：将相机检测到的3D点云或深度数据转换到机器人基坐标系下，使机器人能够理解物体的真实空间位置。
- 精度传递：将视觉系统的测量精度（通常可达亚毫米级）无损地传递到机器人运动控制中，保证抓取或装配的最终精度。
- 动态补偿：在Eye-in-Hand（眼在手上）配置中，标定结果使机器人能够实时补偿相机随末端运动带来的视角变化，保持定位一致性。
- 系统解耦：将视觉定位与机器人运动学解耦，允许独立优化视觉算法和运动控制策略，降低系统调试复杂度。
实际案例：在汽车零部件抓取应用中，未标定前机器人抓取成功率仅为65%，经过手眼标定后成功率提升至99.5%以上，定位误差从±2mm降低到±0.3mm。这一数据充分说明了手眼标定在3D视觉定位中的关键作用。
手眼标定的两种典型配置
根据视觉传感器与机器人末端的安装关系，手眼标定分为两种经典配置，其标定方法和应用场景有所不同：
| 配置类型 | 安装方式 | 标定方程 | 优势 | 劣势 |
|---|---|---|---|---|
| Eye-in-Hand （眼在手上） |
相机固定在机器人末端 | AX = XB | 视野灵活，可近距离观察目标 | 末端负载增加，需动态补偿 |
| Eye-to-Hand （眼在手外） |
相机固定在机器人外部 | AX = YB | 视野固定，标定后无需重复标定 | 视野受限，可能存在遮挡 |
手眼标定的数学本质
手眼标定的核心是求解齐次变换矩阵方程。对于Eye-in-Hand配置，标定方程简化为经典的AX = XB形式，其中X为待求的相机到末端变换矩阵。该方程包含旋转和平移两个分量：
R_A * R_X = R_X * R_B
(R_A - I) * t_X = R_X * t_B - t_A其中：
- R_A、t_A：机器人末端两次位姿间的旋转矩阵和平移向量
- R_B、t_B：相机两次观测间的旋转矩阵和平移向量
- R_X、t_X：待求的手眼变换矩阵的旋转和平移分量
标定精度影响因素：手眼标定的最终精度受机器人运动学精度、视觉测量精度、标定板精度、数据采集数量与分布等多方面因素影响。通常建议采集15-20组不同姿态的数据，并确保机器人运动范围覆盖工作空间的主要区域，以获得稳定可靠的标定结果。