手眼标定科普指南

🎯 什么是手眼标定

手眼标定是机器人视觉系统中的核心技术，它解决的是相机坐标系与机械臂坐标系之间的转换关系问题。

                    简单理解：就像人类需要通过大脑协调眼睛看到的位置和手部动作一样，机器人也需要建立相机"看到"的位置与机械臂"抓取"位置之间的精确对应关系。
                

🔍 核心问题

相机看到物体在图像中的位置是(x, y)像素坐标，但机械臂需要知道物体在三维空间中的真实位置(X, Y, Z)才能准确抓取。

🏗️ 技术原理

坐标系转换

手眼标定建立了多个坐标系之间的转换关系：

图像坐标系 → 相机坐标系 → 世界坐标系 → 机械臂坐标系

核心变换矩阵：

P_robot = T_hand-eye × P_camera

其中 T_hand-eye 是4×4的齐次变换矩阵

🎲 标定过程

1. 使用标定板（棋盘格）作为已知参考

2. 机械臂移动到多个不同位置

3. 相机在每个位置拍摄标定板

4. 计算变换矩阵参数

🤖 机器人坐标系详解

🔧 法兰坐标系 (Flange Coordinate System)

定义：建立在机器人末端法兰盘上的坐标系

特点：

• 需要开启绝对精度补偿

• 位姿要精确到2位小数

• 随机械臂运动而变化

🛠️ 工具坐标系 (Tool Coordinate Point - TCP)

定义：建立在实际工具末端的坐标系

变换关系：

法兰坐标系 → [X/Y/Z偏移 + Rx/Ry/Rz旋转] → 工具坐标系(TCP)

重要性：每个工具有自己的TCP参数

📐 坐标系层次结构

基座坐标系

↓

法兰坐标系

↓

绝对精度补偿

工具坐标系 (TCP)

X/Y/Z + Rx/Ry/Rz

⚙️ 实际应用要点

精度要求：

• 法兰坐标系精度：±0.01mm

• TCP定义精度：±0.05mm

• 重复定位精度：±0.02mm

标定意义：

• 确保机器人准确到达目标位置

• 不同工具可使用不同TCP参数

• 提高作业精度和效率

🔧 标定方法详解

📐 AXB标定法

核心方程： AX = XB

其中：

• A：机器人连续未端位姿在机器人坐标系下的位姿数据组

• B：标定板在相机坐标系下的位姿数据组

• X：待求解的手眼变换矩阵

👁️‍🗨️ Eye-in-Hand配置

数学模型：

Xb = T(b/g) × T(g/c) × Xc

• 标定板圆心和机器人基座为固定值 Xb

• 求解相机到夹具的变换矩阵 T(g/c)

🔍 Eye-to-Hand配置

数学模型：

Xg = T(g/b) × T(b/c) × Xc

• 标定板和夹具为固定值 Xg

• 求解相机到基座的变换矩阵 T(b/c)

🔧 分类方法

Eye-in-Hand (眼在手上)

相机安装在机械臂末端，随着机械臂一起运动。适合精密操作和近距离检测。

Eye-to-Hand (眼在手外)

相机固定在机械臂外部，观察整个工作空间。适合大范围监控和引导。

🎯 应用场景

🏭 工业制造

• 自动化装配线上的零件抓取

• 质量检测与分拣

• 焊接路径引导

🏥 医疗领域

• 手术机器人定位

• 药品分拣系统

• 康复训练设备

🏠 服务机器人

• 家用清洁机器人

• 餐饮服务机器人

• 物流配送机器人

🤖 手眼标定 👁️