首先，我们要了解，机器人领域的视觉(Machine Vision) 跟计算机域Computer Vision) 的视觉有一些不同: 机器视觉的目的是给机器人提供操作物体的信息。所以，机器视觉的研究大概有这几块:

        1. 物体识别 (Obiect Recognition) : 在图像中检测到物体类型等，这跟 CV 的研究有很大一部分交叉；

        2.位姿估计(Pose Estimation): 计算出物体在摄像机坐标系下的位置和姿态，对于机器人而言，需要抓取东西，不仅要知道这是什么，也需要知道它具体在哪里；

        3.相机标定(Camera Calibration) : 因为上面做的只是计算了物体在相机坐标系下的坐标，我们还需要确定相机跟机器人的相对位置和姿态，这样才可以将物ti位姿转换到机器人位姿。

   相机标定

   这其实属于比较成熟的领域。由于我们所有物体识别都只是计算物体在相机坐标系下的位安，但是，机器人操作物体需要知道物体在机器人坐标系下的位姿。所以，我们先需要对相机的位姿进行标定内参标定就不说了，参照张正友的论文，或者各种标定工具箱外参标定的话，根据相机安装位置，有两种方式:

   ·Eye to Hand: 相机与机器人极坐标系固连，不随机械臂运动而运动

   ·Eye in Hand: 相机固连在机械臂上，随机械臂运动而运动

   两种方式的求解思路都类似，首先是眼在手外 (Eye to Hand)

   只需在机械臂未端固定一个棋盘格，在相机视野内运动几个安态。由于相机可以计算出棋盘格相对于相机坐标系的位姿A i、机器人运动学正解可以计算出机器人底座到未端抓手之间的位姿变化E i、而未端爪手与棋盘格的位姿相对固定不变。这样，我们就可以得到一个坐标系环 CX=XD.

   而对于眼在手上(Eye in Hand) 的情况，也类似，在地上随便放一个棋盘格(与机器人基座固连)，然后让机械臂带着相机走几个位姿，然后也可以形成一个AX=XB 的坐标环。