才10来个赞，预期与实际相差有点大呀。是本论坛本来就人少，还是其他呢？

正片开始：

一、固定位置纠偏 固定相机。（以固定下相机居多）

应用场景说明：
相机固定，吸爪盲取到料。每次到拍照位置（固定拍照位置）拍照。目的是纠正盲取料的偏差。（其他例子，比如针式点胶，擦针头后，针头纠偏）
标定过程，如下图所示。
取一片料。假设，当前料，为标准位置。第五点位置，固定拍照位置。
做九宫格标定，得到变化矩阵：M2D。(标定时，机械坐标，第五点取值为0，其他坐标为与第五点的差值）如下图红色九点。
然后回到第五点。旋转数次，拟合出旋转中心。并记录旋转中心。可以直接用像素坐标。cenC,cenR。

使用：（工作流程时）
取到一片新料，到固定位置拍照。得到Mark点坐标：(C,R)，角度α。
计算旋转变化，（C,R）以（CenC,cenR）,旋转α*-1。后，得到新坐标（C1,R1）
在用（C1,R1）*M2D = (ΔX,ΔY)
(ΔX,ΔY)， -α 就是 新料纠偏位置和角度。
如果有offsetX,Y, 就最后加上。
offsetU,在计算旋转的时候就要加上。

二、1，一致性取放 固定相机。（以固定上相机居多）

应用场景说明：（相机固定）
取料：拍摄来料，来料不一致。通过识别来料偏差，调整取料位置，使每次取料，吸爪与料的相对位置保持一致。实现取料一致。
放料：拍摄放料治具，治具位置不一致，通过识别治具偏差，调整放料位置，使每次放料，吸爪与治具相对位置保持一致。实现放料一致。
标定过程，如下图所示：
先计算旋转中心。得到旋转中心像素坐标（cenC,cenR）以及第五点与旋转中心的差值（ΔC,ΔR）
再做九宫格标定
注意细节，机械坐标使用绝对坐标，像素坐标，使用mark点坐标+（ΔC,ΔR）。即第五点坐标就是（cenC,cenR）
得到，标定吸爪旋转中心的变化矩阵。M2D。

使用：（取料工作流程时）
由于，取料中心，并不是旋转中心。所以要做一个，offsetX,Y,U示教。
即，取一个OK料（这时料与吸爪的相对位置是OK的）。放到相机视野内。
记录放料位置。（X,Y,U）。再用相机取拍摄，得到（C,R,U1）,用M2D直接转换，
得到（X1,Y1,U1）。（X,Y,U）与（X1,Y1,U1）的差值，就是offsetX,Y,U。
以后使用时候，先拍照得到（C,R,U），乘以M2D 得到（X,Y,U）
旋转U1: U+offsetU。
旋转U1后的offsetX为offsetX1，旋转U1后的offsetY为offsetY1，
取料坐标（X+offsetX1， Y+offsetY1，U1）
注意正负号。（offsetX1，与offsetX，是不一样的，特别是U1越大，
差距越大，很多工程师搞不清楚这个，导致定位不准。

二、2，一致性取放 同轴移动相机。（以模组居多）

应用场景说明：（相机固定在移动模组，该模组与吸爪是同一模组）
取料：拍摄来料，来料不一致。通过识别来料偏差，调整取料位置，使每次取料，吸爪与料的相对位置保持一致。实现取料一致。
放料：拍摄放料治具，治具位置不一致，通过识别治具偏差，调整放料位置，使每次放料，吸爪与治具相对位置保持一致。实现放料一致。
这个过程，与固定相机方式，几乎一致，唯一区别，就是每次相机拍照位置在变化。但因为相机运动模组与吸爪取放料模组，是用一个模组。共用一套运动轴。那就好办，只需要把这个运动参数补上，就可以。
标定原理，与固定相机方式一样。只是相机在运动轴上，取像不方便。这个要根据实际设备，考虑如何取像。如何取像，引入的非必要误差少。（这个我们以后单独拿出来讲，比如可以用移动拍照位置，代替移动mark点）

唯一不同，是机械轴坐标，
标定的时候使用相对坐标。（绝对坐标 - 拍照坐标）
使用的时候，也使用相对坐标。（计算坐标+拍照坐标）
其余使用方式，与固定相机，一模一样。
再次强调区别，
标定的时候，减去拍照坐标，
使用的时候，加上拍照坐标。

拍照坐标是当前拍照坐标，一直在变动。

二、3，一致性取放 同轴移动旋转相机。（以机械手居多）

应用场景说明：（相机固定在移动旋转机械手上，该机械手与吸爪的机械手是机械手）
取料：拍摄来料，来料不一致。通过识别来料偏差，调整取料位置，使每次取料，吸爪与料的相对位置保持一致。实现取料一致。
放料：拍摄放料治具，治具位置不一致，通过识别治具偏差，调整放料位置，使每次放料，吸爪与治具相对位置保持一致。实现放料一致。

这个过程，与同轴移动相机方式，几乎一致，唯一区别，相机不止可以移动，还可以旋转。
这时，我们有2种解决思路。
第一，我们让标定时候，相机U的姿态，与工作拍照的时候，相机U的姿态，保存一致。其实这时相机的旋转量，就是0。完全可以用同轴移动相机的方式去做。完全不考虑相机会旋转。这种方式，也是我们最常用的方式。
第二，我们去计算相机的旋转中，并记录，标定时候的U，与工作拍照U1，的差值ΔU，用旋转中心计算，ΔU产生的ΔX，ΔY。把这个值加到XY上。
（相机在U上，还有一个好处，就是标定旋转取像的时候，用相机旋转，替代Mark点旋转，减少取像带来的误差）。
（因为相机会移动，考虑最多的就是如何取像，产生不必要的误差尽量少）



相机三种不同姿态，其实是递进的关系，最基础的是固定相机，然后再固定相机的基础上，给相机加上移动。
然后，给相机，加上旋转。
所以要先掌握，固定相机，然后再掌握，移动，旋转相机。在标定的时候，如何用相机的移动旋转，替换Mark点的移动旋转，降低标定误差。

二、4，一致性取放 异轴移动相机。（只在模组上应用过，暂时没在机械手上应用）

应用场景说明：（相机固定在运动模组上，这个运动模组，与吸爪运动模组不是同一模组）
取料：拍摄来料，来料不一致。通过识别来料偏差，调整取料位置，使每次取料，吸爪与料的相对位置保持一致。实现取料一致。
放料：拍摄放料治具，治具位置不一致，通过识别治具偏差，调整放料位置，使每次放料，吸爪与治具相对位置保持一致。实现放料一致。
相机运动轴，与吸爪运动轴，不同轴。好处就是，两运动轴，可以同时运动，不必相互等待，提高ct。
坏处就是，图像坐标与吸爪坐标，不能直接建立关系。
解决思路有2种：
1，图像坐标与相机移动动轴，建立转换关系，让相机移动轴某个坐标点位基准点。其他坐标映射到图像坐标系上。形成一个大的扩展图像坐标。然后用扩展图像坐标，与吸爪坐标系建立关系。
2，使用标定板。用一个大标定板，使图像坐标+相机运动轴坐标，与标定板坐标，建立关系。再用标定板坐标，与吸爪坐标建立关系。推荐使用这种方法。

关于二，2,3,4。没有配图，详细讲标定过程。全部是在二，1的基础上叙述。

我认为，只要你二，1，懂了。234，应该也能懂。如果有问题，请留言。我们再单独开贴讲。

PS：

（请记住，你的验证定位误差大于做数据时候的总误差DX 的时候，你就要注意，你的旋转计算是不是有问题。当误差数倍大于DX的时候，不要怀疑，肯定是你的旋转计算出问了。一定要故意用可接受的大角度纠正来验证旋转，旋转是最容易出错的地方。也是影响精度的关键。虽然旋转并不属于标定。）

好的标定，是定位的关键。

好的标定，首先，毫无疑问，要正确。推理计算都要正确。

然后，是要考虑标定过程中，如何尽可能少的引入非必要误差。（你会引入的误差，都你认为的必要误差，区别在于，你认为的必要误差，在别人看来是非必要误差，通过设计标定，可以不引入这个误差）

（因为我们每人的能力不一样，有的人，能看到非必要误差，有些人看不到，或者你压根搞不清楚，哪个是必要误差，哪个是非必要误差，只会套用几种标定模式。这个就是我们要持续学习的地方。）（后面会开贴，讲一下，我理解的一些标定方式，有哪些必要误差，哪些非必要误差）

定位的应用，不难，但是非常灵活。你要根据自动化设备结构，设计好的标定方式。这就是你价值的体现。

想一想，以前缺陷检测是不是很难搞。现在各方势力都推出深度学习解决这个难题。而且它还做到端到端。应用工程师需要做到事情，越来越少。到最后，就剩下选择一个模型，然后标注就可以了。那应用人员，还有什么价值？不要看深度学习很高端。现场应用需要的人员，其实是越来越低的要求。最后就是无要求。彻底傻瓜化操作。如果你搞深度学习，不是在设计，引入或优化模型 这一层面。只是搞现场应用，你要有危机意识。其实现场越来越不需要你，而且这个趋势不会停下来，直到彻底不需要你。

这一贴，希望大家能够保证 标定的正确。推理计算正确。再此基础上，再考虑设计误差更小的标定方式。

以上就是本帖全部内容，vm实现，将在下一贴。请点赞关照转发。小目标100赞。