3. 手眼标定实战：使用OpenCV进行九点标定、标定结果验证、精度评估方法
各位同学，今天咱们来聊点硬核的——手眼标定。说实话，我入行那会儿，最怕的就是这一步。明明相机和机械臂都调好了，一配合就出问题。后来我才明白，不是设备不行，是它们之间缺了个「翻译官」。
这个翻译官，就是手眼标定矩阵。
3.1 什么是九点标定？
九点标定，说白了就是让机械臂和相机「认识一下」。你想想看，相机看到的是像素坐标，机械臂动的是物理坐标。这两个坐标系怎么对齐？
我的做法是：让机械臂末端走九个点，相机同时拍下这九个点的像素位置。然后通过数学变换，找到两者之间的映射关系。
核心思想： 通过已知的9组对应点（像素坐标 + 物理坐标），求解一个仿射变换矩阵或透视变换矩阵。
为什么是九个点？不是四个、六个？嗯，这里有个讲究。四点只能解线性变换，六点能解仿射，九点可以解透视变换。我在项目中遇到过，如果相机有畸变或者安装角度偏大，用四点标定误差会很大。九点标定能补偿一部分畸变，效果更稳。
3.2 使用OpenCV实现九点标定
好，咱们直接上代码。我个人习惯用Python + OpenCV，因为调试起来方便。
import cv2
import numpy as np
# 假设你已经采集了9组数据
# pixel_points: 相机中检测到的9个点的像素坐标 (9x2)
# robot_points: 机械臂末端的物理坐标 (9x2)
pixel_points = np.array([
[100, 150], [320, 150], [540, 150],
[100, 370], [320, 370], [540, 370],
[100, 590], [320, 590], [540, 590]
], dtype=np.float32)
robot_points = np.array([
[200, 300], [400, 300], [600, 300],
[200, 500], [400, 500], [600, 500],
[200, 700], [400, 700], [600, 700]
], dtype=np.float32)
# 计算仿射变换矩阵 (6自由度)
affine_matrix, _ = cv2.estimateAffine2D(pixel_points, robot_points)
# 或者计算透视变换矩阵 (8自由度)
perspective_matrix, _ = cv2.findHomography(pixel_points, robot_points)
print("仿射变换矩阵:\n", affine_matrix)
print("透视变换矩阵:\n", perspective_matrix)
小提示： 如果你的相机和机械臂工作平面平行，用仿射变换就够了。如果相机有倾斜角度，建议用透视变换。我一般两种都算，对比一下残差再选。
3.3 标定结果验证
算完矩阵就完事了？别急，这才是开始。我见过太多人算完矩阵就直接上线，结果抓歪了还找不到原因。
验证方法其实很简单：
- 重投影误差检查： 把像素点通过矩阵映射到物理坐标，跟实际物理坐标对比。
- 随机点验证： 额外选几个不在九点内的点，看看映射精度。
- 重复性测试： 同一个点拍三次，看映射结果是否稳定。
# 验证代码示例
def validate_calibration(pixel_pts, robot_pts, transform_matrix):
# 将像素坐标映射到物理坐标
mapped_pts = cv2.transform(pixel_pts.reshape(-1, 1, 2), transform_matrix)
mapped_pts = mapped_pts.reshape(-1, 2)
# 计算每个点的误差
errors = np.sqrt(np.sum((mapped_pts - robot_pts) ** 2, axis=1))
print("各点误差 (mm):")
for i, err in enumerate(errors):
print(f" 点{i+1}: {err:.3f}")
print(f"\n平均误差: {np.mean(errors):.3f} mm")
print(f"最大误差: {np.max(errors):.3f} mm")
return errors
# 执行验证
errors = validate_calibration(pixel_points, robot_points, affine_matrix)
注意： 平均误差超过0.5mm就要警惕了。我曾经有一次标定误差1.2mm，查了半天发现是标定板没贴平。你想想看，板子翘起来1mm，映射误差直接翻倍。
3.4 精度评估方法
精度评估，我一般分三个维度：
| 评估维度 | 方法 | 合格标准 |
|---|---|---|
| 单点精度 | 固定点重复标定10次，计算标准差 | < 0.3 mm |
| 多点精度 | 在工作空间内均匀取20个点，计算平均误差 | < 0.5 mm |
| 方向精度 | 旋转末端角度，看映射是否偏移 | < 0.1° |
这里我要多说一句。很多人只测单点精度，觉得0.1mm就万事大吉了。但实际干活的时候，机械臂要去抓不同位置的东西，多点精度才是关键。我建议你至少在工作空间的四个角落和中心各测几个点。
3.5 知识体系总览
为了让你对整个流程有个直观认识，我画了张图：
3.6 避坑指南
最后，分享几个我踩过的坑：
- 标定板要平整： 我曾经用亚克力板打印标定点，结果板子本身有0.3mm的翘曲，标定完怎么都调不准。后来换了陶瓷板，问题解决。
- 光照要均匀： 相机识别标定点时，如果光照不均匀，像素坐标会有偏移。我建议用环形光源。
- 机械臂要稳定： 记录物理坐标时，等机械臂完全停止再读数。别问我怎么知道的——有一次机械臂还在微动我就记录了，误差直接飙到2mm。
- 标定范围要覆盖工作区： 九点尽量分散在整个工作空间内，别挤在一个角落。否则边缘区域的精度会很差。
好了，这一章的内容就是这些。九点标定看起来简单，但细节决定成败。你按照这个流程走一遍，基本不会出大问题。