编写摄像头不动机械臂动自动手眼标定代码

手眼标定是将机械臂末端执行器与相机之间的相对位置和姿态进行确定，以便实现机械臂对目标物体的定位和抓取。在这里，我们假设机械臂的执行器是已知的，需要确定相机的位置和姿态。

手眼标定的基本思路是通过运动学模型计算机械臂的末端执行器的位置和姿态，同时通过相机检测得到目标物体在相机坐标系下的位置和姿态，然后使用最小二乘法求解相机在机械臂坐标系下的位置和姿态。

以下是一个简单的摄像头不动，机械臂动的手眼标定代码示例：

import numpy as np
from scipy.spatial.transform import Rotation

# 读取机械臂末端执行器的位置和姿态
T_base_end_effector = np.loadtxt('base_end_effector.txt')

# 读取相机检测到的目标物体在相机坐标系下的位置和姿态
T_camera_target = np.loadtxt('camera_target.txt')

# 将机械臂末端执行器的位置和姿态转换到相机坐标系下
T_base_camera = np.linalg.inv(T_camera_target) @ T_base_end_effector

# 分解位姿矩阵
R_base_camera = T_base_camera[:3, :3]
t_base_camera = T_base_camera[:3, 3]

# 计算旋转向量和旋转角度
r = Rotation.from_matrix(R_base_camera)
rotvec = r.as_rotvec()
angle = np.linalg.norm(rotvec)

# 输出结果
print('Rotation vector: ', rotvec)
print('Rotation angle: ', angle)
print('Translation vector: ', t_base_camera)

在这个示例中，我们首先读取了机械臂末端执行器和相机检测到的目标物体的位姿矩阵，然后通过矩阵运算将机械臂末端执行器的位置和姿态转换到相机坐标系下，最后分解位姿矩阵得到旋转向量、旋转角度和平移向量。

需要注意的是，这个示例中假设机械臂末端执行器的位置和姿态已知，并且相机检测到的目标物体的位姿矩阵也已知。在实际应用中，通常需要通过一些特定的标定板或者标定器件来测量机械臂和相机的位姿矩阵。