视觉定位到底咋算的？刚上手有点懵
小白一个，公司让我搞机器人视觉定位，手册看了一圈还是有点虚。九点标定那块我大概懂，就是相机和机械手坐标系的转换对吧？但后面那个手眼标定完，相机拍到工件坐标，怎么就能转成机器人基坐标系下的位姿了，中间到底走的啥流程？用的啥算法把像素坐标变成世界坐标的？
我们项目是3C行业小件抓取，精度要求大概±0.2mm，工件随便摆那种，深度也有点变化。有人说我直接上深度学习检测位姿就行了，有人说传统视觉够用不用那么复杂，到底哪个靠谱啊？
另外标定板用啥样的有讲究没，我们公司就一块棋盘格纸，是不是糊弄事了？求大佬们指点迷津，别整太虚的那种，跪求实操经验。
全部回复 (4)
你这问题问得挺大，我尽量说实在点。手眼标定完了之后，相机拍到的像素坐标，先经过相机内参畸变校正变成理想像素坐标，再通过标定得到的外参（旋转矩阵R和平移向量T）映射到相机坐标系下的三维点，然后乘上机器人基坐标系到相机坐标系的变换矩阵（这个就是手眼标定求出来的），就转到机器人基坐标系下了。整个流程就这一套，公式就那几个，关键就是标定精度直接决定最终精度。
精度0.2mm要求不低，3C小件大概率用Eye-to-Hand方案，工件随意摆放的话还得加个点云处理或者2.5D视觉，传统方法用结构光或者双目都可以。深度学习检测位姿其实对训练数据量要求很高，小项目真没必要，传统视觉调好了完全够用。标定板别用打印的A4纸，边长精度误差太大，精度要求这么高的话买正规的陶瓷标定板或者高精密光学标定板，国产的就行，别在这省。
你这精度要求还要处理深度变化，直接上3D视觉啊兄弟，结构光相机或者双目深度相机拍出来的点云直接就有三维信息，比2D视觉算位姿稳得多。Z轴变了的话2D方案的精度会掉得很快，实测过±0.2mm根本hold不住，除非工件高度变化范围很小。点云配准用ICP或者NDT算法就行，工件三维模型先建好，实时点云跟模型配准出位姿，速度和精度都够用。
九点标定只能算粗定位，真要达到0.2mm还得加其他补偿。说说我们厂里咋搞的：先用九点标定把大致映射关系算出来，然后抓取的时候再叠一个模板匹配或者边缘检测做精定位，把误差干到0.05mm以内。工件随意摆放的话，还得考虑姿态一致性，不然抓取点位置一变整个坐标系就不对了。你说的深度学习方案，训练数据少的话效果很拉胯，数据集没几千张图别考虑。
