在智能制造領(lǐng)域，工業(yè)機器人視覺伺服系統(tǒng)通過融合視覺感知與機械控制，實現(xiàn)了高精度、自適應(yīng)的自動化操作。其核心技術(shù)在于建立像素坐標系與機器人基坐標系之間的精確映射關(guān)系，而這一過程的關(guān)鍵環(huán)節(jié)正是手眼標定與坐標轉(zhuǎn)換。

一、手眼標定：視覺與機械的"握手"

手眼標定的本質(zhì)是求解相機坐標系與機器人末端坐標系之間的剛性變換矩陣（包含旋轉(zhuǎn)矩陣R和平移向量t）。根據(jù)相機安裝位置的不同，系統(tǒng)分為"眼在手"（Eye-in-Hand）和"眼在手外"（Eye-to-Hand）兩種構(gòu)型：

眼在手系統(tǒng)

相機固定于機器人末端執(zhí)行器，隨機械臂同步運動。典型應(yīng)用場景包括精密裝配、手術(shù)機器人內(nèi)窺鏡等。以焊接機器人為例，通過標定可實現(xiàn)焊縫的實時跟蹤：

python

# 基于OpenCV的相機內(nèi)參標定核心代碼

import cv2

import numpy as np

def calibrate_camera(image_files):

   objp = np.zeros((6*9, 3), np.float32)

   objp[:, :2] = np.mgrid[0:9, 0:6].T.reshape(-1, 2) * 25.0  # 標定板格子尺寸25mm

   objpoints, imgpoints = [], []

   for fname in image_files:

       gray = cv2.cvtColor(cv2.imread(fname), cv2.COLOR_BGR2GRAY)

       ret, corners = cv2.findChessboardCorners(gray, (9, 6))

       if ret:

           corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1),

                                      (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001))

           objpoints.append(objp)

           imgpoints.append(corners2)

   ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

   return mtx, dist  # 返回內(nèi)參矩陣和畸變系數(shù)

眼在手外系統(tǒng)

相機獨立安裝于工作場景上方，適合倉儲物流、大范圍監(jiān)控等場景。某汽車工廠采用該方案實現(xiàn)發(fā)動機缸體缺陷檢測，通過固定相機標定，單次標定精度可達±0.05mm。

二、坐標轉(zhuǎn)換：從像素到物理空間的橋梁

坐標轉(zhuǎn)換涉及四個關(guān)鍵坐標系的級聯(lián)變換：

像素坐標系（u-v）：圖像左上角為原點，單位為像素

圖像坐標系（x-y）：光軸與成像平面交點為原點，單位為毫米

相機坐標系（Xc-Yc-Zc）：光心為原點，與圖像坐標系滿足透視投影關(guān)系

機器人基坐標系（Xr-Yr-Zr）：描述機械臂末端位姿

轉(zhuǎn)換流程可表示為：

像素坐標 → 圖像坐標 → 相機坐標 → 機器人坐標

以眼在手系統(tǒng)為例，完整轉(zhuǎn)換公式為：

\begin{bmatrix} X_r \\ Y_r \\ Z_r \\ 1 \end{bmatrix} = T_{base}^{end} \cdot T_{end}^{cam}^{-1} \cdot \begin{bmatrix} Z_c \cdot \frac{u - c_x}{f_x} \\ Z_c \cdot \frac{v - c_y}{f_y} \\ Z_c \\ 1 \end{bmatrix}

其中：

為機器人末端在基坐標系下的位姿矩陣

為手眼標定求得的相機在末端坐標系下的位姿矩陣

(cx,cy)為相機主點坐標

(fx,fy)為相機焦距（像素單位）

三、工程實踐與優(yōu)化策略

在某3C產(chǎn)品裝配線中，通過以下措施實現(xiàn)0.1mm級定位精度：

標定板優(yōu)化：采用7×10陣列的圓形標定板，相比傳統(tǒng)棋盤格提升角點檢測精度23%

運動軌跡規(guī)劃：機械臂采用螺旋運動軌跡采集標定數(shù)據(jù)，確保旋轉(zhuǎn)軸覆蓋球面空間

溫度補償：在相機和機械臂基座集成溫度傳感器，建立溫度-形變模型修正熱漂移

實時驗證機制：在運行過程中隨機插入標定驗證點，當定位誤差超過閾值時觸發(fā)自動重標定

四、技術(shù)發(fā)展趨勢

隨著AI技術(shù)的滲透，手眼標定正呈現(xiàn)兩大演進方向：

深度學習輔助標定：通過神經(jīng)網(wǎng)絡(luò)直接預測變換矩陣，某研究將標定所需運動次數(shù)從6組減少至2組

動態(tài)在線標定：在機器人運動過程中實時更新標定參數(shù)，某移動機器人系統(tǒng)實現(xiàn)每秒更新一次手眼矩陣

在工業(yè)4.0浪潮下，手眼標定與坐標轉(zhuǎn)換技術(shù)已成為連接數(shù)字世界與物理世界的關(guān)鍵紐帶。通過持續(xù)優(yōu)化算法精度、提升系統(tǒng)魯棒性，該技術(shù)正在推動智能制造向更高水平的自動化、智能化邁進。