如何获取用于手眼标定的优质数据集
高质量的手眼标定很大程度上取决于您收集的数据集。为了获得准确的结果，收集高质量的数据至关重要，因为标定质量完全取决于用户。
我们建议采集 10-20 对机器人位姿和点云数据，以进行可靠的标定。
机器人位姿要求
当相机拍摄标定对象图像时，机器人应采用以下位姿：
种类丰富，提供不同的视角
分布于所有关节，而不仅仅是部分关节
这确保了视角的多样性。下图展示了眼在手外（eye-to-hand）和眼在手上（eye-in-hand）两种情况下所需的不同位姿。
备注
Zivid 点云数据的单位是毫米（mm）；因此，请确保用于手眼标定的机器人输入位姿中，平移量也使用毫米（mm）作为单位。
如果可能，机器人位姿还应满足以下条件：
使用与最终应用相同的机器人配置（位姿）（例如，执行抓取任务时使用的位姿配置）。
在与实际应用相同的工作空间区域内（例如，执行抓取任务的料箱处）。
标定对象可见性
标定对象 应在相机视野中曝光良好且完全可见。如果可能，请尽量将标定板保持在相机 FOV 的中心位置。采集数据时，请务必考虑相机的成像范围。
备注
如果使用 ArUco 标记点作为标定对象，并不要求在每个机器人位姿下，相机 FOV 内都必须完整显示所有标记。不过，视野中可见的标记数量越多，检测效果和标定结果就会越理想。
下图展示了相机捕获到的标定对象。
获取数据集
在进行手眼标定之前：
在预热、现场标定以及手眼标定阶段，请使用与最终实际应用完全相同的采集周期。使用我们的 手眼标定图形用户界面（Hand-Eye GUI） 可以让这一过程变得简单直观。
为了进一步降低温度相关性能因素带来的影响，请确保已启用 Thermal Stabilization（热稳定功能） 。
小技巧
如果您想在没有自己的数据集的情况下测试 Zivid 手眼标定过程，可以使用 Hand-Eye Calibration Sample Dataset 。
如果您在采集高质量点云时遇到困难，请查阅 如何获取 Zivid 标定对象的高质量数据 。否则，请继续阅读 手眼标定的注意事项和建议 。