1. 视觉引导基础：机器视觉系统组成、坐标系定义与坐标变换
大家好，我是你们的老朋友。今天咱们正式开讲视觉引导定位的第一章。说实话，我入行那会儿，最头疼的就是坐标系转换。明明相机拍到了，机器人就是抓不准。后来才明白，根子就在坐标系没搞透。
这一章，咱们把地基打牢。我会从系统组成讲起，然后一步步拆解四个坐标系，最后聊聊三种坐标变换。嗯，都是干货，咱们慢慢来。
1.1 机器视觉系统组成
一个典型的视觉引导系统，说白了就是「眼睛 + 大脑 + 手脚」的配合。我习惯把它拆成五个部分：
- 光源与镜头：给眼睛打光、调焦距。我见过太多项目因为光源角度不对，导致定位精度直接崩掉。
- 工业相机：核心传感器。CMOS还是CCD？看场景。高速产线我一般选全局快门的CMOS。
- 图像采集卡/接口：把光信号转成数字信号。GigE、USB3.0、Camera Link，各有各的脾气。
- 视觉处理单元：工控机或智能相机。跑算法的地方。
- 执行机构：机器人、运动平台。最终靠它干活。
你想想看，如果光源没选对，再好的算法也白搭。我曾经在一个项目里，因为用了环形光，导致反光件边缘提取全乱套。后来换成背光源，问题秒解。
1.2 四大坐标系定义
这是视觉引导的核心中的核心。我每次培训新人，都会让他们把这四个坐标系刻在脑子里。
1.2.1 世界坐标系 (World Coordinate System)
它是绝对参考系。你可以把它想象成车间里的一个固定点，比如机器人底座中心。所有物体的位置，最终都要换算到这个坐标系下。单位通常是毫米或米。
1.2.2 相机坐标系 (Camera Coordinate System)
以相机光心为原点，Z轴沿光轴方向。这是一个三维坐标系。说白了，相机看到的世界，就是在这个坐标系下的三维点云。
1.2.3 图像坐标系 (Image Coordinate System)
在相机内部，成像平面上的二维坐标系。原点一般在图像中心，单位是毫米。它把三维空间投影到了二维平面上。
1.2.4 像素坐标系 (Pixel Coordinate System)
我们最终看到的图像，就是像素坐标系。原点在左上角，单位是像素（pixel）。注意，它和图像坐标系之间有个缩放和平移关系。
核心关系链：
世界坐标 → 相机坐标 → 图像坐标 → 像素坐标
每一步都对应一个变换矩阵。搞懂了这条链，手眼标定就通了一半。
1.3 坐标变换的数学基础
数学这东西，你把它当成工具就好。我当年学的时候，也是从死记硬背到后来融会贯通。咱们重点讲三种变换。
1.3.1 刚体变换 (Rigid Transformation)
只包含旋转和平移，不改变物体形状。说白了，就是把一个刚体从A位置挪到B位置，它还是它自己。
数学表达：P' = R * P + T
其中R是旋转矩阵，T是平移向量。我建议你用齐次坐标来写，这样旋转和平移可以合并成一个4x4矩阵，计算起来特别方便。
我的小技巧： 实际项目中，刚体变换常用于机器人手眼标定。我曾经用四元数代替欧拉角，避免了万向锁问题，标定一次通过。
1.3.2 仿射变换 (Affine Transformation)
比刚体变换多了一个缩放和剪切。平行线依然保持平行，但角度和长度会变。
数学表达：P' = A * P + T
其中A是2x2矩阵，包含缩放、旋转、剪切。在图像处理中，仿射变换常用于图像校正、模板匹配。
1.3.3 透视变换 (Perspective Transformation)
这是最接近人眼成像的变换。它模拟了「近大远小」的效果。平行线在透视变换下可能相交于一点（灭点）。
数学表达：齐次坐标下，用3x3单应性矩阵H表示。
注意： 透视变换是非线性的。在做视觉引导时，如果相机有倾斜，必须用透视变换来校正。我曾经在一个项目中忽略了这一点，结果定位误差达到了5mm，后来加上透视校正，误差降到了0.2mm。
1.4 知识体系总览
下面这张图，是我自己画的。它把这一章的核心逻辑串起来了。你多看几遍，心里就有谱了。
1.5 实战中的坐标系转换流程
光讲理论不行，咱们来点实际的。下面是一个典型的视觉引导定位流程：
- 相机采集图像：得到像素坐标下的特征点位置 (u, v)。
- 像素转图像坐标：利用相机内参，把 (u, v) 转成 (x, y)，单位毫米。
- 图像转相机坐标：加上深度信息（如果有），得到相机坐标系下的三维点 (Xc, Yc, Zc)。
- 相机转世界坐标：利用手眼标定得到的变换矩阵，把点转换到世界坐标系下。
- 发送给机器人：机器人根据世界坐标去抓取。
关键点： 每一步的精度都会累积。我建议你在每个转换环节都做一次验证，不要等到最后才发现误差。
1.6 一个简单的代码示例
下面是用Python + OpenCV实现像素坐标转世界坐标的示例。代码不长，但很实用。
import cv2
import numpy as np
# 假设我们已经标定好了相机内参和手眼矩阵
camera_matrix = np.array([[fx, 0, cx],
[0, fy, cy],
[0, 0, 1]], dtype=np.float32)
dist_coeffs = np.zeros((4,1)) # 假设无畸变
# 手眼标定得到的变换矩阵 (相机到世界)
R_cam2world = np.eye(3)
T_cam2world = np.array([[0.1], [0.2], [0.5]])
def pixel_to_world(u, v, Zc):
# 1. 像素转归一化坐标
x_norm = (u - cx) / fx
y_norm = (v - cy) / fy
# 2. 归一化坐标转相机坐标
Xc = x_norm * Zc
Yc = y_norm * Zc
Zc = Zc
# 3. 相机坐标转世界坐标
P_cam = np.array([[Xc], [Yc], [Zc]])
P_world = R_cam2world @ P_cam + T_cam2world
return P_world.flatten()
# 示例：像素点 (320, 240)，深度 Zc = 500mm
world_point = pixel_to_world(320, 240, 500)
print(f"世界坐标: {world_point}")注意： 实际项目中，Zc通常由深度相机提供，或者通过标定板上的已知尺寸反算。我习惯用棋盘格标定板，既简单又可靠。
1.7 避坑指南
最后，分享几个我踩过的坑：
- 坐标系方向搞反：我曾经把相机坐标系的Z轴方向搞反了，结果机器人往地下抓。后来我养成了一个习惯：每次标定完，先用手动模式验证一下方向。
- 忽略镜头畸变：很多新手直接用原始图像做定位，结果边缘误差很大。记住，一定要先做畸变校正。
- 单位不统一：有人用毫米，有人用米，还有人用像素。我建议统一用毫米，省得换算出错。
好了，这一章就到这里。内容不少，但都是基础中的基础。你把这些搞懂了，后面学手眼标定就会轻松很多。