第一章：基本原理

线激光传感器扫过圆柱体时，会在传感器坐标系下获得一系列圆弧点云。

• 几何约束： 圆柱体的轴线在空间中是一条直线。

• 标定思路： 当机器人带着传感器从不同角度扫描圆柱时，虽然传感器获得的点云位姿各异，但它们在世界坐标系下都应该指向同一个物理圆柱。通过建立观测点到圆柱表面的距离模型，我们可以通过最优化算法反推手眼矩阵

第二章：标定步骤

第一步：数据采集

1. 固定圆柱体的位置。

2. 控制机器人移动，使线激光从多个不同的姿态（建议至少 5-10 组）扫描圆柱体。

3. 记录每组数据：

   • 机器人位姿： T_base_tool: x, y, z, rx, ry, rz(从机器人控制器读取）。

   • 激光点云数据： P_sensor: x,y（传感器测得的圆弧点）。

第二步：圆柱特征提取

对每一帧激光扫描线进行圆拟合，提取：

• 圆心在传感器坐标系下的坐标。

• 或者直接保留所有属于圆柱表面的点。

第三步：建立优化方程

我们要寻找一个变换矩阵，使得所有采样点变换到基座坐标系后，到拟合出的圆柱轴线的距离之和最小。

数学描述如下：

假设 P_sensor 是传感器坐标系下的点，将其转换到基座坐标系：

约束条件是 P_base 到圆柱轴线的距离应等于圆柱半径 R。

第四步：非线性优化

使用 Levenberg-Marquardt (LM) 或 Gauss-Newton 算法，同时解算出：

1. 手眼矩阵（旋转和平移）。

2. 圆柱在基座坐标系下的位置和方向。

3. 圆柱的半径 R 和 轴线。

第三章：算法复现结果

椭圆拟合结果

 使用11个点进行标定

去除误差较大的点：

标定结果