1. 校准
1. 非线性校准的作用：主要是为了消除镜头的径向畸变、以及相机非垂直安装引起的透视变形；
2. 校准工具：校正板&标定板（这里只介绍前2种，因为InSight相机不支持DataMatirx标定板）
3. 标定板的选择标准：需要根据项目现场的FOV确定标定板尺寸和单元大小
棋盘格标定板：
- 获取的图像必须包含至少9个完整图块。
- 采集图像中的图块大小必须至少为15x15像素。
网格标定板：
- 点的直径必须在10到40像素之间。
- 网格必须包含不少于16个点且不超过2000个点。
- 点中心之间必须至少有8个像素。
4. 校准的意义：
5. 在InSight中校准图像：
① 首先相机已经固定，然后在被测/被定位的零件上放置标定板，取像；
② 插入CalibrateGrid工具，然后分别设置以下三步：
所谓的校准其实就是，将获取的像素空间映射到原始校准空间的位置变换
③ 插入TransformImage工具，显示校准后的图像，可以看到对比：
④拍一张零件的图片，然后使用FindCircle工具测量零件内径，图像引用上面的TransformImage
2. 机械手引导
1. 相机固定不动方式的标定流程：
一、执行九点标定：将左边的像素坐标（Pixel-X,Pixel-Y）映射到右边的工具坐标系（World-X,World-Y）中，两个坐标之间的转换系数会被保存在CalibrateAdvanced这个工具结构中。
这里的像素坐标也可以引用非线性校准后的坐标。
作用：这个工具的作用在于统一坐标系，并且统一测量单位。
注意引用格式：（像素坐标x，y，世界坐标x，y，像素坐标x，y，世界坐标x，y…)
二、获取标定图像CalibrateImage(A0，CalibrateAdvanced)，这样可以获得一个新坐标系(和机械手同一坐标系)下的图像，代替A0。区别在于，后面的工具比如FindPattern引用了CalibrateImage作为输入图像之后，得到的XY则会和工具坐标系下的XY相同，但是如果引用的是A0作为输入图像，那么得到的XY仍然是像素坐标系下的像素单位。
三、注意，如果机器人的TCP被定义在夹爪中心的情况下，不需要计算旋转中心！
寻找机器人的TCP（ToolCenterPoint）中心，一般为第6轴：
确定零件的识别特征点，并确定零件标准抓取位置，机器人抓取工件分别旋转3-5个角度摆放到相机视野内，相机可以得到3-5个坐标值，通过这些坐标值拟合（CircleFromNPoint）圆获得圆心坐标即为旋转中心（也就是TCP的坐标）。
然后计算旋转中心相对于零件坐标的相对坐标位置，也就是下图中的TCx、TCy坐标，为什么要计算相对位置呢？因为零件的位置是变化的，TCP的位置必须跟着零件跑，并且相对位置一定。
如果零件位置(100,100),TCP位置（50,50）， 这里TCx和TCy的计算方式为：
TCx=100+(50-100)
TCy=100+(50-100)
其中50-100得到差值旋转中心相对于零件的差值-50，然后零件位置+差值=TCP平移位置
⑤ 计算旋转后的点：其实就是计算当零件发生平移+旋转后，机械手的工具中心TCP应该在何处。
下图中的NCx，NCy就是正确计算后机器人的TCP位置。
1 公式如下：
2 (rx0, ry0)为旋转中心，( x, y)为被旋转的点，(x0,y0)旋转后的点
3 x0= cos (a) * (x-rx0) – sin (a) * (y-ry0) +rx0
4 y0= cos (a) * (y-ry0) + sin (a) * (x-rx0) +ry0
在InSight中验证：
平移
旋转+平移
