手眼标定实战与精度提升指南

📚 共计 30 章节

手眼标定概述

什么是手眼标定？为什么需要？应用场景：抓取、装配、检测

坐标系基础

机器人基坐标系、工具、用户、相机、像素、世界坐标系

坐标系核心

刚体变换与位姿表示

旋转矩阵、平移向量、齐次矩阵、欧拉角、四元数

相机成像模型

针孔模型、内参/外参矩阵、径向/切向畸变

相机标定原理

张正友法、棋盘格、标定流程、OpenCV实战

手眼标定数学模型

AX=XB 眼在手外 & 眼在手上数学推导

眼在手外标定

标定原理、标定板固定、数据采集流程

眼在手上标定

标定原理、标定板固定、数据采集流程

标定数据采集

机器人位姿记录、图像采集、角点检测、数据同步

标定数据预处理

数据清洗、异常剔除、归一化、时间戳对齐

预处理清洗

标定求解算法(一)

Tsai两步法原理与实现

标定求解算法(二)

Park-Martin法原理与实现

标定求解算法(三)

非线性优化法 (Levenberg-Marquardt)

OpenCV手眼标定实战

calibrateHandEye() 详解、参数配置、代码实现

标定结果评估

重投影误差、旋转/平移误差、结果可视化

精度影响因素分析

机器人定位精度、相机分辨率、标定板、光照

数据采集策略优化

位姿数量、分布优化、避免奇异位形、多姿态

标定板设计与选择

棋盘格、圆点阵、ChArUco、尺寸/材质选择

标定板设计

机器人运动学对精度影响

DH参数误差、关节零点漂移、柔性变形

运动学误差

相机参数对精度影响

内参标定精度、畸变校正、图像分辨率

精度提升方法(一)

多组数据融合标定、加权标定

精度提升方法(二)

迭代精化标定、两阶段标定法

精度提升方法(三)

引入外部测量设备 (激光跟踪仪、CMM)

精度提升方法(四)

基于深度学习的特征点检测提升角点精度

深度学习角点

精度提升方法(五)

在线标定与自标定技术

在线自标定

手眼标定精度验证

验证实验设计、重复性测试、精度指标 (mm/deg)

常见问题与解决方案

标定失败、结果发散、精度不达标、数据异常

工程化落地

标定软件架构、流程自动化、结果管理

典型场景应用

3C装配、汽车焊接、物流分拣、医疗手术

端到端标定、多相机手眼标定、移动机器人标定