ROS单目摄像头手眼标定

### ROS 中使用单目摄像头进行手眼标定

在机器人操作系统(ROS)环境中，针对单目摄像机的手眼标定可以通过特定工具包实现。对于单目相机而言，虽然其提供的深度信息不如双目或多传感器组合丰富，但在某些应用场景下依然能够满足需求。

#### 使用 `camera_calibration` 包完成初步校准
为了确保后续手眼关系建立的准确性，首先需要对单目相机本身做内参校正。可以借助于官方提供的[camera_calibration](http://wiki.ros.org/camera_calibration)软件包来获取相机内部参数矩阵K和畸变系数D[^3]：

roslaunch camera_calibration cameracalibrator.py --size 8x6 --square 0.1 image:=/my_mono_camera/image_raw camera:=/my_mono_camera

上述命令假设棋盘格尺寸为每边间隔0.1米，大小为8*6个交差点；实际操作时应根据实际情况调整这些数值。

#### 利用手眼标定算法计算外部变换矩阵T
当获得精确的相机模型之后，则可进一步实施手眼标定过程。这里推荐采用由Tsai提出的经典方法或是Axelsson等人改进后的方案。具体来说，在ROS环境下可通过调用专门设计用于此目的的数据集收集流程并结合相应的求解函数来达成目标。例如，[hand_eye_calib_camodocal](https://github.com/jhu-lcsr/hand_eye_calib_camodocal)项目就提供了这样一个完整的解决方案[^2]。

- 记录每次移动前后关节角度变化量Δθ以及对应时刻拍摄到的画面I_k。

- **优化求解部分**
- 基于所记录的信息构建最小二乘问题，并通过迭代方式寻找最优解——即描述两者之间相对位姿的最佳估计值R,t (旋转和平移向量)。

值得注意的是，尽管以上介绍主要围绕“眼睛在外”的情形展开讨论，但对于“眼睛在上”的情况同样适用，只需相应修改坐标系定义即可适应不同的物理布局形式。