机械臂标定指南（手眼标定）

索旭东

发布于 2026-02-04 14:51:33

1400

1. 概述

标定的目的，是求解相机与机械臂基座（或末端）之间固定的变换关系，是视觉引导机器人作业的基石，精准的标定是解决误差的前提。

根据相机安装位置，分为两种模式，常用“眼在手外”模式，两种模式如下：

模式	示意图公式	特点与适用场景
眼在手外(Eye-to-Hand)	T_base_marker = T_base_cam* T_cam_marker(求解 T_base_cam)	相机固定，视野全局稳定，最适合大范围初始定位。
眼在手上(Eye-in-Hand)	T_base_marker = T_base_flange * T_flange_cam * T_cam_marker(求解 T_flange_cam)	相机随动，适合近距离精细扫描（如焊缝跟踪）。

2. 标定流程（眼在手外为例）

标定板：首选 Charuco板（抗遮挡能力强于棋盘格）
软件：使用 OpenCV 或 MATLAB Robotics Toolbox

步骤	关键操作	要点与常见错误
① 固定安装	牢固安装相机与标定板，确保绝对无移动。	松动会导致巨大误差。
② 定义坐标系	明确基座、末端、相机、标定板坐标系及旋转方向。	定义混乱会导致结果完全错误。
③ 运动采集	手动控制机械臂，使末端标定板在相机视野内做大幅度平动和转动。	运动不充分会导致解算失败。
④ 同步记录	在每个位姿，同步记录：1. 机械臂末端位姿 (T_base_flange)2. 相机识别标定板位姿 (T_cam_marker)	异步记录会引入严重噪声。
⑤ 保证质量	采集15-30组数据，确保标定板在图像中清晰、完整、角度多样。	数据太少或图像模糊影响精度。
⑥ 初步验证	用几组新位姿数据立即验证标定结果。	跳过验证可能带着错误结果进入应用。
⑦ 算法解算	调用如 cv2.calibrateHandEye() 函数，输入所有位姿数据，求解 T_base_cam。	根据运动类型选择合适的算法参数。
⑧ 评估误差	检查重投影误差，量化标定质量。	不评估则无法知晓精度。
⑨ 最终验证	将标定结果写入系统，让机械臂指向一个固定物理点，对比理论位置与实际位置。	理论必须经实际场景验证。

3. 注意事项

物理位移：首要检查相机、机械臂基座、标定目标在工作过程中是否因振动或碰撞发生了哪怕微小的位移，这是导致“标定好后，用一阵就偏差巨大”的最常见原因。可以将机械臂、相机、标定物回归到标定时的初始状态，进行一次快速验证，确认是否有物理位移。
数据采集不当：
- 运动不充分：机械臂只做了小范围平移，没有充分改变标定板的俯仰、偏航、滚转角度。
- 标定板位姿计算不准：相机内参不准、标定板图像模糊、有反光、部分被遮挡，导致 T_cam_marker 计算本身就有几个像素的误差，在深度方向会被放大。
坐标系混淆：确保获取的 T_base_flange 是从机器人控制器读出的、以基座为参考的末端法兰位姿，而不是自己正运动学计算的，同时明确变换链的方向，是 T_base_cam * T_cam_marker，还是其逆。
错误/不精确的相机内参：手眼标定极度依赖精确的相机内参（焦距、主点、畸变系数）。务必先对相机进行高精度的单目标定，并应用去畸变后再进行手眼标定。
严格验证：不要只看函数输出的残差，在真实场景中，让机械臂末端移动到基于相机坐标计算出的某个目标点（如标定目标边缘一个明显点），观察实际末端与目标点的位置偏差，并记录下X/Y/Z各方向的误差值。
严谨标定：

使用Charuco板。
确保相机已完成单目标定，内参已知。
控制机械臂带动标定板，在相机视野内进行至少20组大幅度的、不同方向的平动和旋转。
使用 OpenCV 的 calibrateHandEye 函数（对于眼在手外，R_gripper2base 传入末端姿态的旋转部分，t_gripper2base 传入平移部分；R_target2cam 和 t_target2cam 传入标定板姿态）。