手眼标定源数据（棋盘格+excel）

经过实验测量以y轴精度进行验证，整机验证进行六次采集，平均精度误差为0.361mm 原始的标定精度在6mm左右，虽然听起来是非常微小的偏差，但是由于研究方向对精度要求极高。且在运动过程中，深度信息误差、畸变误差、机械误差、坐标系转换等一系列误差累积环节，将导致误差放大，因此远不能达到要求。 使用规划和智能算法对相机进行标定具有比较强的优势在于，不管是非线性规划的方法还是粒子群/遗传等智能方法的计算目标函数可以将旋转矩阵与位移矩阵一起进行计算，这种计算方法也被称之为一步法，对比传统的Tsai手眼标定的两步法可以有效避免旋转矩阵和位移矩阵计算的误差积累。当然缺点是非常不好进行编程实现，且一旦编程出现错误极有可能误差巨大，而且数学要求较高，需要一定的数学基础。

三维点云手眼标定（眼在手上和眼在手外），资源包括了三维点云眼在手上和眼在手外场景的标定Halcon代码。 可应用于三维点云建立线激光与机器人关系求解，应用场景可能会用于无序抓取和鞋点胶之前建立线激光与机器人坐标。 适用于刚接触三维，刚接触HALCON,对三维手眼标定不了解的视觉爱好者，可参考学习，应用于项目实战中。 里面也包含了欧拉角求解，对这块求解有疑惑的也可参考。 可参考我之前标定过程画的流程图标定。

经典手眼标定算法C++代码，程序是基于OpenCV 2.0以上版本，下载程序后需要配置OpenCV。工程主要包括三个文件，handeye.h为各种手眼标定的实现，quaternion.h为四元数运算文件，handeye_test.cpp为主程序，测试各手眼标定算法的可行性。

手眼标定源码，基于opencv的calibrateHandEye函数实现，其中包括机械臂工具位姿的获取，位姿欧拉角与矩阵之间的转换，以及相机内参畸变系数的标定，机械臂法兰盘与相机坐标系变换关系标定。

halcon手眼标定算法

手眼标定9点矫正

罗超讲的机械手视觉标定课程，描述了标定的原理和方法以及过程

halcon软件开发包基础上做机器人的手眼标定，涉及许多专业知识，在这些讲义里详细讲解了标定的数学基础，原理等，以及实现手段，

眼在手移动相机手眼标定，其中包含标定板图像和配套的机器人末端姿态文件