第二章 相机选型与标定：工业相机分类、镜头参数、手眼标定原理

做视觉引导抓取，第一步就是选相机。这一步要是走偏了，后面算法调得再好也白搭。我见过不少项目，前期随便买了个相机，结果到了现场发现视野不够、分辨率跟不上、或者帧率太低，最后只能返工。嗯，今天咱们就把这事聊透。

2.1 工业相机分类

工业相机说白了就两大类：面阵相机和线阵相机。抓取场景里，95% 以上用的是面阵相机。为什么？因为抓取需要的是二维图像里的位置和姿态信息，面阵相机一拍一个准。

但面阵相机内部还有讲究。我按传感器类型给你分一下：

类型	特点	适用场景
CCD	噪声低、动态范围高、帧率一般	高精度检测、静态抓取
CMOS	帧率高、功耗低、成本低	高速抓取、动态场景
全局快门	整帧同时曝光，无畸变	运动物体抓取
卷帘快门	逐行曝光，成本低	静态场景

2.2 镜头参数

镜头这东西，很多人觉得随便配一个就行。其实不然。镜头选错了，相机再好也白费。我重点讲几个关键参数：

2.2.1 焦距

焦距决定了视野大小。公式很简单：

焦距 = 工作距离 × 传感器尺寸 / 视野宽度

举个例子：你需要在1米外拍一个0.5米宽的工件，传感器宽度是6.4mm（1/2英寸），那焦距就是 1000 × 6.4 / 500 ≈ 12.8mm。选12mm或16mm的镜头都行。

2.2.2 光圈

光圈影响进光量和景深。抓取场景里，我建议光圈设在F4到F8之间。太小了进光不够，太大了景深太浅，工件稍微一偏就模糊了。

2.2.3 接口类型

现在主流是C接口和CS接口。C接口的后焦是17.526mm，CS接口是12.5mm。买的时候注意匹配，不然装不上。我见过有人买了C接口镜头配CS接口相机，结果怎么调都调不清楚——嗯，这就是接口不匹配。

2.3 手眼标定原理

手眼标定，说白了就是让机器人知道「相机看到的物体，在机器人坐标系里到底在哪」。这是整个系统的核心环节。标定不准，后面抓取全是瞎抓。

2.3.1 两种标定模式

手眼标定分两种：眼在手上（Eye-in-Hand）和眼在手外（Eye-to-Hand）。

• 眼在手上：相机装在机器人末端，跟着机械臂一起动。优点是灵活，可以近距离拍摄工件。缺点是标定复杂，每次换工具都得重新标。
• 眼在手外：相机固定安装，不随机器人动。优点是标定一次管很久，适合固定工位的抓取。缺点是视野固定，工件位置变化大时可能拍不到。

我个人习惯用眼在手上的方案。为什么？因为抓取场景里工件位置经常变，相机跟着机械臂走，总能找到最佳拍摄角度。不过标定确实麻烦一些，咱们接着看。

2.3.2 标定方程

手眼标定的核心方程是：

AX = XB

其中：

• A：机器人末端的位姿变换（从机器人控制器读取）
• B：相机看到的标定板位姿（通过图像计算）
• X：待求解的手眼变换矩阵

这个方程怎么解？常用的方法有Tsai两步法和非线性优化法。我一般用OpenCV的calibrateHandEye()函数，直接传入多组A和B，就能算出X。

2.3.3 标定流程

我总结了一套标准流程，照着做基本不会出问题：

1. 固定标定板在工作台上，确保它不动
2. 控制机器人移动到第一个位置，记录末端位姿A1
3. 相机拍照，检测标定板角点，计算位姿B1
4. 改变机器人姿态，重复步骤2-3，至少采集10组数据
5. 调用标定算法，求解手眼矩阵X
6. 验证：用一组新数据，计算重投影误差，应小于0.5像素

2.4 知识体系总览

为了让你更直观地理解本章的知识结构，我画了一张图：

你看，整个体系其实就三大块：相机分类、镜头参数、手眼标定。每一块都有坑，但只要你按我说的来，基本能一次搞定。

好了，这一章就聊到这儿。下一章咱们讲光源选型和打光方案——嗯，那又是另一个有意思的话题了。

---