一、视觉伺服基础：从概念到实战
大家好，我是老张。今天咱们聊聊视觉伺服的基础。说实话，我刚开始接触这个领域时，也被一堆术语搞得晕头转向。但后来我发现，搞懂视觉伺服，其实就是搞懂「眼睛怎么指挥手干活」这件事。
1.1 什么是视觉伺服？
视觉伺服，英文叫Visual Servoing。说白了，就是用摄像头当眼睛，让机器人根据看到的画面来调整自己的动作。
举个例子你就明白了。我早年做焊接机器人项目时，工件位置总有点偏差。传统做法是：先拍照定位，然后机器人按固定轨迹走。但工件一热一变形，焊枪就偏了。后来改用视觉伺服——摄像头实时盯着焊缝，机器人边看边焊，误差直接降到0.1mm以内。
核心定义：视觉伺服是利用视觉反馈信息，实时控制机器人末端执行器位姿的技术。它让机器人从「盲人摸象」变成了「明眼人干活」。
1.2 视觉伺服系统组成
一个典型的视觉伺服系统，包含这几个关键部件：
- 视觉传感器：摄像头、深度相机、激光雷达等。我习惯用工业相机，帧率至少30fps，不然控制会抖。
- 图像采集卡：把模拟信号转成数字信号。现在很多相机直接USB输出，省了这步。
- 图像处理单元：提取特征点、计算位姿。这里我踩过坑——用OpenCV的SIFT算法在嵌入式板上跑不动，后来换成了ORB。
- 控制器：根据视觉误差计算机器人关节指令。PID是最常用的，但调参很考验经验。
- 机器人本体：执行动作的机械臂或移动平台。
我的经验：系统延迟是最大的敌人。从图像采集到控制指令发出，总延迟最好控制在10ms以内。超过20ms，控制精度就会明显下降。
1.3 开环与闭环控制
这里有个关键区别，你想想看：
开环视觉控制：先拍照，然后机器人按预设轨迹走，过程中不再看画面。就像你闭着眼睛走路——方向对了还好，偏了就完蛋。
闭环视觉控制：摄像头一直盯着目标，机器人每动一步都根据新图像调整。这才是真正的视觉伺服。
我记得有个项目，客户非要省钱用开环。结果工件尺寸一波动，抓取成功率从95%掉到60%。后来改成闭环，直接干到99.5%。
避坑指南：我曾经在高速抓取场景中用过纯闭环，结果图像处理太慢，机器人反而震荡。后来改成「粗定位开环+精定位闭环」的混合模式，效果出奇好。
1.4 眼在手与眼固定构型
这是视觉伺服的两大经典构型。我画了张图帮你理解：
两种构型各有千秋，我整理了个表格：
| 特性 | 眼在手（Eye-in-Hand） | 眼固定（Eye-to-Hand） |
|---|---|---|
| 摄像头位置 | 装在机器人末端 | 固定在工作空间某处 |
| 视野范围 | 小，但靠近目标 | 大，但可能被遮挡 |
| 精度 | 高，尤其近距离 | 受标定误差影响大 |
| 标定难度 | 需要手眼标定 | 需要机器人-相机标定 |
| 典型应用 | 精密装配、焊接 | 抓取、分拣、导航 |
我的选择建议：如果任务需要高精度近距离操作，比如芯片贴装，我首选眼在手。如果是大范围抓取或移动机器人导航，眼固定更合适。当然，现在也有混合构型——两个摄像头一起上，但标定工作量翻倍。
1.5 一个简单的视觉伺服控制流程
最后，我给大家画个流程图，看看视觉伺服到底怎么跑起来的：
嗯，这个流程看起来简单，但实际调起来坑不少。比如特征提取那步，光照一变就容易丢特征点。我后来加了自适应阈值，才算稳定下来。
实战技巧：刚开始做视觉伺服时，别追求完美。先用简单的点特征（比如圆心、角点）跑通流程，再逐步升级到复杂特征。我见过太多人一上来就用深度学习，结果连基本闭环都做不稳。