摘要：视觉定位是个系统工程，坐标系、标定、光源、算法，一环扣一环。这篇讲讲实战中踩过的坑，以及怎么避免。
先讲个真实经历。去年帮客户做一套焊接引导系统，视觉定位精度要求±0.3mm，相机、镜头、运动平台全是新的，软件也算得天花乱坠，结果装上以后就是稳定偏移2mm，找了一天找不到原因。后来发现是标定板温度变形了，你信吗？
说实话，这样的坑我踩过不止一次。视觉定位看起来简单，就是相机拍个照，算法算一下，机器人动一下。但在实际产线上，精度、稳定性、节拍，每一样都能让你头疼。今儿不整虚的，就聊聊这几年积累下来的教训。
坐标变换：别把旋转矩阵当摆设
视觉定位的本质，是把像素坐标变成机器人能用的空间坐标。这里头第一个坑就是坐标系的定义。相机坐标系、图像坐标系、机器人基坐标系、工具坐标系……恨不得每个厂家都有自己的习惯。我曾经接过一个项目，对方用四元数传姿态，我用欧拉角，对齐接口时愣是多花了两天，因为90度旋转方向理解反了。
一个标准的视觉定位流程，通常是这样：相机拍图，拿到物体在图像中的像素位置，经过畸变校正后，用相机内参转到归一化平面，再通过标定好的手眼矩阵变换到机器人坐标系。这中间任何一步的误差，都会被放大。尤其是旋转矩阵，一旦你的旋转顺序选择不对，系统就可能出现随姿态变化而漂移的怪毛病。
所以，我建议在项目一开始就定义统一的数学约定，比如用ZYX欧拉角还是XYZ，用左乘还是右乘。这不是理论问题，是工程协作问题。
标定：精度高不高，一半看它
标定是最容易翻车的地方。张正友标定法大家都懂，但真正做的时候，标定板你都可能没拿正。光圈要调小，景深要足够，标定板倾斜角度要控制在45度以内，最好多拍些角度。我见过有人拍20张图里19张是同一姿态，那出来的内参自然不稳定。
手眼标定（Eye-in-Hand）更是如此。本质上你在求解AX=XB这个超定方程，常用Tsai-Lenz或Park-Martin方法。但，你要确保机器人在标定过程中走的路程足够分散，如果只在小范围内移动，解算矩阵会病态，结果就是三个位置准，换一个方向就偏。此外，标定后一定要随手留存一组验证点，用实测值X/Y/Z和计算值对比，误差在允许范围内再往下走，否则就别浪费时间了。
还有个小细节：标定板的平整度和热膨胀系数。前面说的那个2mm偏移，就是标定板被太阳晒了一中午，铝基板拱了0.3mm，但相机离得远，误差被放大到2mm。从那以后，我再也不买便宜的树脂基标定板，改用陶瓷基或超低膨胀微晶玻璃，贵一点，但稳。
光源和镜头：视觉定位的“另一半”误差
很多人把定位问题完全归咎于算法，其实光源选错了，算法再强也白搭。我记得做一个药瓶盖检测，用常规环形光总是反光，特征点提取都飘忽。换成低角度环形光加偏振片，瞬间清晰，定位稳定性提高了30%。所以光源设计不是“亮一点”那么简单，要依据物体材质、颜色、光泽度去选。
镜头方面，畸变是定位精度的隐形杀手。一个2mm焦距的鱼眼镜头，边缘畸变可能有5%以上，如果你的特征点都在边缘，又没做畸变校正，那误差就大了。选镜头时一定要看光学畸变参数，最好选低畸变工业镜头，或者在标定中把畸变模型加进去。顺便说一句，很多人忽略了镜头温度漂移，金属镜筒和玻璃的膨胀系数不同，温度变化几度，焦距就变了，这也是为什么视觉系统最好装在恒温或者有温度补偿的机壳里。
实战案例：螺栓拧紧机器人的视觉定位
去年做的一个新能源电池托盘拧紧项目，要求视觉引导机器人找12个孔位，定位精度±0.5mm，节拍4秒一个孔。相机分辨率1280×1024，视野80mm×60mm，理论像素精度0.0625mm。开始我们用的面阵相机加常规背光，检测椭圆轮廓，但孔位表面有切屑和油污，边缘不干净，有时候质心偏出0.8mm。
后来怎么解决？我们把算法从最小二乘椭圆拟合改成了随机采样一致（RANSAC）加亚像素边缘提取，把油污区域作为异常值剔除。同时，把光源切换成同轴光，减少物体表面反光。最后实测重复定位精度±0.2mm，连续运行一周没有漂移。这件事给我的经验是，视觉定位的瓶颈往往在图像预处理，而不是后期变换矩阵。
另外，别忘了机构和视觉系统的配合。机器人零点漂移、减速带背隙，都会让标定失效。建议每班开机先跑一个基准点复检程序，一旦偏差超限，自动暂停并提示重新标定。这比手动定期标定靠谱得多。在评估定位精度时，我习惯参照ISO 5725的重复性和再现性概念，用GRR分析来做验收，别光看供应商给的标称值。
写在后面
说句实话，机器视觉定位是个系统工程，每个环节都像木桶的板。我见过太多项目，算法工程师和机械工程师各自埋头干活，最后联调时互相甩锅。其实只要把坐标系约定、标定流程、光源设计这些基本功做扎实，90%的定位问题都能提前规避。
下次遇到定位偏差，别急着调算法，先去看看标定板的温度，或者光源是不是老化变暗了。
