機器人校正辨識參數或座標變換，使測量的機器人幾何形狀與物理系統一致。關節零點、運動學、工具中心點、相機內在校正和手眼校正解決不同的誤差。執行錯誤的過程可能導致錯誤的精度估計。
首先詢問任務誤差出現在哪裡，以及哪個影格或參數可能導致誤差。可重複性指的是回到相同姿勢；絕對準確性指的是與外部參考的一致。可重複的機器人仍可能存在透過校正改善的穩定位置誤差。
本指南應與 編碼器指南 及 虛擬除錯指南結合使用。校正不會消除結構撓度、迴流、感測器雜訊或熱漂移；驗證最終任務在代表性負載和溫度下。
先辨識錯誤的變換或參數
從世界和機器人底座透過關節、法蘭、工具、相機和目標繪製鏈條。比較機器人姿態、相機視角、工具和有效負載間的觀察誤差。固定工具偏移表明原因與姿態依賴的運動學誤差不同。
將測量誤差與機器人誤差區分開。外部跟蹤器、校正目標和夾具本身存在不確定性。在收集比參考支撐更多的小數位之前，先定義準確性要求和不確定性預算。
關節零點校正恢復編碼器參考
關節零點校正估計編碼器參考與機構定義的關節角度之間的偏移量。它可能使用索引標記、硬停止、精密夾具、輔助感測器或校正工具。偏移會在前向運動學中傳播，成為姿態依賴的工具誤差。
使用有記錄的方向和負載條件，對每個受影響的節點進行參考。背隙和重力可能會根據進場方式改變表觀零點。記錄編碼器計數、偏移量、溫度和機械狀態，以便維護後復現結果。
| 校正類型 | 估計數量 | 必觀測 | 典型症狀 |
|---|---|---|---|
| 關節零位 | 編碼器到關節的偏置 | 參考姿態或固定裝置 | 姿態依賴工具錯誤 |
| 運動學 | 鏈長與軸幾何形狀 | 許多測量機器人姿勢 | 系統性工作區誤差 |
| TCP | 法蘭處的工具變換 | 多重方向或接觸 | 工具尖偏移 |
| 攝影機內在 | 焦點和畸變參數 | 跨影格目標影像 | 影像重投影誤差 |
| 手眼 | 攝影機到抓握器或底座變換 | 機器人姿態與目標觀察 | 視覺引導放置偏移 |
TCP 校正將工具相對於法蘭定位
刀具中心點校正估計法蘭框架中工作點的位置及通常的方向。常用方法是圍繞一個固定物理點移動多個刀具方向，或將刀具軸對準到參考點。
使用多樣的方向，同時保持參考點穩定。鬆動的工具、柔性延伸件或不準確的接觸夾具會破壞估計值。透過接近未在擬閤中使用的獨立點和方向來驗證。
相機內參必須在幾何融合前完成校正
相機內在因素包括焦距、主點和鏡頭畸變。手眼校正假設影像觀測結果已透過合適的相機模型轉換。內在因素不足可能表現為機器人-相機變換誤差。
OpenCV 的 校正檔案 為相機和手眼功能提供了明確的座標變換約定。在影像區域、深度和方向上捕捉已校正的目標，並檢查重投影殘留圖案，而非單一平均數值。
手眼校正連線相機座標系與機器人座標系
手視校正估算攝影機與移動夾持之間的固定變換。手視校正估算固定攝影機與機器人基座或工作影格之間的關係。輸入變換和期望輸出不同，因此每個上標和方向都要標記。
對於手持眼，多個機器人動作和目標觀測形成 AX=XB 關係。解決方案依賴於機器人姿態的準確和目標檢測。使用許多分離良好的旋轉和平移，而非一堆幾乎相同的視角。
AX 等於 XB，需要可觀察且多樣化的運動
OpenCV 指出，確定手眼變換至少需要兩個非平行旋轉軸的運動，並建議使用更多姿態。簡併運動即使求解器返回結果，也會留下一些參數較弱的觀察。
規劃姿勢跨越 d-q 軸、距離和工作空間，同時保持目標清晰可見。拒絕帶有運動模糊或模糊目標檢測的影格。比較多個演算法並檢查變換一致性，但選擇時需使用獨立任務誤差。
| 資料質量檢查 | 有力的證據 | 失效模式 | 糾正措施 |
|---|---|---|---|
| 旋轉多樣性 | 多個非平行軸 | 不穩定取向 | 增加明顯的手腕旋轉動作 |
| 翻譯多樣性 | 廣泛有用的基線 | 深度靈敏度 | 變換距離和位置 |
| 目標覆蓋 | 影像面積和角度變化 | 邊緣畸變殘差 | 改進內在資料集 |
| 機器人姿態質量 | 已定型、帶時間戳的狀態 | 不一致變換 | 同步並保持 |
| 驗證拆分 | 未被看見的姿勢與目標 | 僅訓練精度 | 預備役獨立試驗 |
運動學校正估算結構幾何
運動學校正透過外部姿態測量調整鏈路長度、關節軸方向、基準影格及相關參數。參數可辨識性很重要，因為在有限資料集內，多種誤差可能導致類似的工具位移。
使用適合機器人的參數模型，避免擬合不可觀測的組合。正則化或約束已知幾何。驗證工作區和有效負載條件；不要將較低擬合殘差解釋為任務準確性保證。
校正和驗證資料必須分開處理
求解器會根據所用觀測資料表現最佳。保留姿勢、目標位置和任務軌跡以供驗證。報告位置和方向誤差分佈、最壞情況及空間模式，而非僅僅是均方根值。
使用同一獨立參考比較前後結果。調查碰撞、背隙、目標移動、影像模糊或時間戳誤差的異常值。少量較大的誤差對生產影響可能超過平均值。
溫度、負載和碰撞都會改變校正
機器人連桿、減速器、攝影機和安裝座隨溫度膨脹。有效負載會彎曲結構。碰撞或維護事件可能導致工具、底座或感測器移動。因此校正是一種受控狀態，帶有檢查和更新的觸發機制。
跟蹤預熱、環境溫度、負載、刀具序列號和夾具狀態。在全面校正之間使用快速驗證偽影。設定持續、重新校正或檢查硬體的閾值。
從穩定的參考點校正到工具和感測器
在擬合下遊變換前，先恢復關節參考和基底幾何。先校正相機內在資料，再進行手眼。校正已安裝工具的 TCP，然後驗證實際任務中的合併鏈。
版本參數、原始觀測值、軟體、目標幾何和結果一起。部署時應知道哪些校正集處於啟用狀態。在上游發生任何更改後，重新執行獨立的精度檢查。
評估“機器人校正類型：關節零位、TCP、運動學與手眼校正”時，還應儲存模型版本、機器人設定、校正檔案、測試日期和全部試驗記錄。
只有把這些持續投入與單位成功任務的價值比較，才能判斷方案是否適合擴大。
上線後仍要持續檢查分佈變化、感測器漂移、機械磨損和人工接管原因。
實際專案還應指定資料、模型、控制器和安全流程的負責人，並預先定義回復條件。責任邊界、審批記錄與變更紀錄越清楚，故障發生後越容易停止擴散、定位原因並安全恢復。
把任務拆成感知、決策、動作執行和結果確認，可以更準確地定位瓶頸。每一階段都應有獨立指標與失敗示例，避免用端對端成功率掩蓋偶發但嚴重的風險。
引用的產品規格、論文結果和監管要求需要記錄釋出日期與適用版本。資料更新後應重新核對關鍵結論；無法從一手來源確認的內容，應明確標註為待驗證資訊。
小規模試點的價值在於提前暴露介面、人員協作和異常處理問題。試點結束後應依據預設門檻決定擴大、修改或停止，而不是因為已經投入資源就預設繼續。
- 繪製並標記每個座標變換。
- 在下游校正前先固定關節參考。
- 使用多樣且可觀察的姿勢和精準的目標。
- 保留獨立資料以供驗證。
- 定義負載、溫度和服務的複查觸發器。
常見問題
TCP 和手眼校正是一樣的嗎？
不。 TCP 校正是相對於法蘭定位工具；手眼校正是將相機連線到夾爪或機器人底座。
手眼校正能用一張影像嗎？
不。它依賴於多個機器人姿勢和目標觀察，動作足夠多樣化。
良好的重複性是否消除了校正的需求？
不行。機器人可以在保持與外部座標系一致偏移的情況下，精確重複姿勢。
零點校正能糾正結構彎曲嗎？
不。它修正參考偏移；負載相關的偏轉和幾何誤差需要其他模型或補償。
什麼時候應該重複校正？
碰撞、更換工具或相機、編碼器或機械維護、異常誤差以及顯著負載或溫度變化後，應重新檢查。
校正範圍說明
校正質量受可觀測性、參考不確定性、同步性和機械穩定性的限制。應將擬合資料和驗證資料分開，保持變換約定，並以獨立的任務空間測量驗證合併系統。