视觉系统与机械手的坐标标定

在电气自动化产线中，实现“眼睛”（相机）看到的目标能够被“手”（机械臂）精准抓取，核心在于坐标标定。这一步骤建立了图像像素坐标系与机器人基座标系之间的转换关系。若标定失败，机器人将抓取错误位置或发生碰撞。本指南将详细拆解标定全过程，确保零误差执行。

1. 准备工作与环境搭建

在执行任何软件操作前，必须确保硬件物理状态稳定。任何松动都会导致标定数据无效。

1. 固定 工业相机与光源。确保相机安装支架无晃动，镜头光圈已锁定，防止标定过程中焦距变化。
2. 清理 工作区域。移除视野内所有反光物体，避免干扰图像识别算法。
3. 安装 高精度标定板。通常使用棋盘格标定板，将其平整放置于传送带或工作台面上，确保平面度误差小于 0.05mm。
4. 配置 通讯参数。在 PC 端打开控制软件，输入 机器人的 IP 地址、端口号（通常为 5000），并测试 连接是否通畅。
5. 设置 相机曝光时间与增益。调整参数直至标定板线条清晰且无过曝，直方图分布均匀。

2. 选择标定方案

根据相机安装位置不同，分为眼在手（Eye-in-Hand）和眼在外（Eye-to-Hand）两种模式。请根据实际布局选择合适的方案。

3. 执行手眼标定流程

以下流程以最常见的九点法为例。该方法通过采集多个不同姿态下的图像数据，解算出精确的转换矩阵。

3.1 进入标定界面

1. 启动 视觉处理软件（如 Halcon, OpenCV 封装程序或厂商自带软件）。
2. 登录 用户权限，确保拥有“系统管理员”级别的操作权限，允许修改内部参数。
3. 加载 预设的工程文件。检查当前项目是否为新建或备份后的版本，避免覆盖原有数据。
4. 切换 至标定向导页面。点击左侧菜单栏的 Calibration 选项卡。

3.2 采集样本点

此步骤是核心，需要机械臂带动相机（或标定板相对于相机）移动到至少 9 个不同位置。

1. 手动示教 第一个点位。使标定板的一个角点位于图像中心附近，记录该坐标 P1。
2. 触发 图像采集指令。按下 F5 键或点击界面上的 Capture 按钮，保存第一张原始图片。
3. 移动 机械臂至第二个点位。位移距离建议在 50mm 到 200mm 之间，角度旋转不少于 10^\circ，以增加数据差异性。
4. 重复 上述动作。继续采集第 2 至第 9 个点。确保点位分布覆盖整个视场，不要聚集在图像一角。
5. 验证 特征识别。在每个点位保存前，确认 软件自动识别出的棋盘格角点数量正确，无漏检或误检。

3.3 计算变换矩阵

当样本采集完成后，软件内部将运行算法求解齐次变换矩阵。

1. 点击 “解算”或 Solve 按钮。系统将利用最小二乘法优化求解。
2. 观察 残差报告。重点关注重投影误差（Reprojection Error）。
3. 判断 结果有效性。平均误差应小于 0.1 像素。若误差超过 0.5 像素，说明部分点位采集质量不佳，需剔除并重采。
4. 记录 输出公式。标定本质是求解 $T_{robot}^{camera}$。理想的空间转换逻辑如下：

$$ P_{base} = M \times P_{image} + O $$

其中 $P_{base}$ 为机器人基座标系下的位置，$P_{image}$ 为图像像素坐标，$M$ 为旋转缩放矩阵，$O$ 为偏移量向量。

3.4 参数导出与应用

计算合格后，必须将参数写入控制器才能生效。

1. 生成 配置文件。格式通常为 .xml 或 .json。
2. 导入 机器人控制柜。通过网线连接，将文件传输至 R_Ctrl 文件夹。
3. 调用 功能函数。在 PLC 或示教器中编写 脚本，加载标定文件路径。例如 Load_Cali_Data("C:/Sys/cali_2023.json")。
4. 激活 外部轴联动。勾选“视觉修正”选项，允许相机数据覆盖机器人原生示教点。

4. 精度验证与调试

标定完成不代表可以使用，必须经过实物验证。

1. 选取 一个已知位置的测试件。其几何中心尺寸需用三坐标测量仪预先测定。
2. 运行 自动抓取程序。让机器人根据视觉反馈执行抓取动作。
3. 测量 实际偏差。使用游标卡尺测量夹爪中心与实际目标中心的距离。
4. 分析 误差来源。若偏差呈现规律性（如 X 轴总是偏大），可能是相机安装倾斜；若偏差随机，可能是震动导致。
5. 补偿 误差值。若偏差恒定，可在软件中添加偏移量补偿参数，公式为 $Offset = Target - Actual$。
6. 重复 测试。连续运行 50 次循环，统计成功率。要求成功率达到 99.9% 以上方可投入量产。

5. 常见故障排除

在标定过程中遇到特定报错时，请按以下方式处理。

1. 报错：无法识别角点。

   • 检查 光照条件。增加环形光源亮度，消除阴影。
   • 调整 阈值。在图像处理模块中修改 二值化阈值范围。
   • 清洁 镜头。用无尘布擦拭相机镜头表面指纹或灰尘。

2. 报错：矩阵奇异或无解。

   • 检查 点位分布。确认采集的点是否共线。三点必须在非共线上。
   • 增加 自由度。尝试改变 Z 轴高度，增加视角变化。
   • 重置 机械臂零点。重新回原点后再进行标定操作。

3. 运行时报错：目标不可达。

   • 检查 工作空间。视觉计算出的坐标可能超出了机械臂最大伸展半径。
   • 限制 搜索区域。在软件中设定 ROI 区域，只检测有效范围内的目标。
   • 校准 TCP。如果末端工具中心点（TCP）定义不准，会导致计算偏差。需重新标定 TCP。

4. 动态跟踪抖动。

   • 降低 相机帧率。过高帧率可能导致传输延迟，造成数据不同步。
   • 开启 滤波算法。在信号处理环节启用 低通滤波器，平滑坐标跳变。
   • 紧固 电缆。检查拖链内的网线是否有拉扯，信号干扰会引起通讯丢包。

6. 安全维护规范

标定数据并非一劳永逸，设备状态变更时必须重新标定。

1. 断电重启后。检查机器人零点是否丢失。若更换了伺服电机电池或断电时间过长，需执行 零点复归，随后重新标定手眼关系。
2. 更换部件后。若拆换过相机、镜头或机械臂末端夹具，必须立即 重新执行完整标定流程。
3. 定期校准。建议每 2000 小时生产周期进行一次抽检。若发现抓取精度下降趋势，提前安排停机维护。
4. 备份数据。每次标定成功后，复制 一份标定文件至云端或外部硬盘存储。文件名建议包含日期，如 HandEye_Cali_20231027_v2.cfg。
5. 禁止 暴力操作。在标定模式下，严禁人工强制推拽机械臂，这会破坏编码器计数，导致标定失效。

7. 高阶技巧：多目协同标定

对于需要覆盖超大范围的场景，可能需要布置两个或多个相机。

1. 统一 世界坐标系。所有相机需共享同一个参考基准（通常为地面上的标定板）。
2. 拼接 图像区域。在软件中设置相邻相机的重叠区域，通常建议重叠度不低于 20%。
3. 融合 数据流。通过中间件（如 ROS 或 EtherCAT）将各相机数据合并为一个虚拟的大视野数据源。
4. 计算 全局变换。每个相机分别标定到机器人的矩阵，再通过公共参照物关联彼此坐标。
5. 验证 接缝处精度。重点测试跨相机区域的目标抓取，确保没有断档或错位。

通过严格执行上述步骤，可实现视觉系统与机械手的高精度协同作业，显著提升产线自动化水平。