做机器视觉项目的朋友，入门时常会被各类“标定”概念绕住：张正友标定、九点标定、手眼标定，虽然同样是对着标定板采集图像、求解参数，这又有什么不同呢？然而在实际中作用这三种标定原理却天差地别。

其实三者并非并列关系，而是从底层光学校正到跨系统协同的层层递进：张正友标定是所有视觉系统的成像精度基础，九点标定是平面抓取场景的轻量化坐标对齐方案，手眼标定则是覆盖二维到三维的跨系统空间映射体系。前些天，大凡光学已为大家梳理了相机标定与九点标定的区别；本文将在此基础上，进一步厘清三者的边界与递进逻辑，助力大家在项目落地时少走弯路、精准选型。

一、张正友标定：给相机做“光学校准”的通用基础

如果把相机比作人的眼睛，张正友标定就相当于给眼睛“验光配镜”——校正光学偏差，消除镜头引入的光学畸变，还原图像真实几何关系，是所有视觉应用的前置基础步骤。

1、底层逻辑：从针孔模型到畸变校正

相机成像的理想模型是针孔透视投影：三维世界的光线沿直线穿过光心，在传感器平面形成倒立影像，像素坐标与物理坐标呈线性对应关系。但真实镜头由多组透镜构成，天然存在径向畸变（画面边缘直线弯曲）与切向畸变（画面梯形偏移），越靠近边缘变形越明显。如果不进行畸变校正，像素坐标无法直接换算物理尺寸，尺寸测量、空间定位都会出现系统性偏差。

张正友平面标定法正是针对这一痛点提出的经典方案：仅需一块平面标定板，通过拍摄15~25组不同姿态、不同位置的靶标图像，提取特征点坐标后通过单应性矩阵分解、非线性优化求解，就能得到相机的内参矩阵（焦距、主点坐标）与各级畸变系数。它的优势在于不用昂贵的三维标定块，操作门槛低、求解结果稳定，已成为工业视觉领域的标定标准。

2、核心目标与适用场景

这套标定只针对相机本身，与后续是否对接机械臂、是否做抓取无关。完成标定后，镜头畸变被校正，像素具备了可换算的物理当量，图像的几何关系回归真实。无论是尺寸检测、缺陷识别，还是后续的定位引导，这一步都是不可或缺的精度底座。

大凡光学标准玻璃基底棋盘格标定板是适配该方法的经典工具，光刻镀铬工艺特征精度可达±1μm，图案边缘锐利，亚像素角点提取准确度高，能稳定适配OpenCV、Halcon等主流算法框架。针对鱼眼、大广角这类畸变严重的镜头，大凡光学高精度圆点标定板表现更优——透视变换下圆心位置稳定性优于角点，能让边缘畸变的拟合更精准，校正效果更理想。

二、九点标定：平面抓取场景的轻量化坐标对齐

如果说张正友标定解决的是“相机看得准不准”，九点标定解决的就是“眼睛看到的位置，手臂怎么精准找到”的问题。它属于手眼标定在二维平面场景下的轻量化工程方案，广泛应用于2D分拣、上下料、贴装等工位。

1、原理：九个点搭起像素到机械的映射桥梁

它的逻辑非常直观：在机器人的工作平面内，选取9个均匀分布的特征点，这些点在机器人坐标系中的物理位置已知；同时用相机拍摄获取对应像素坐标，通过九组对应数据求解出平面变换矩阵（仿射变换或透视变换），也就是行业常说的“手眼矩阵”。

选择9个点是工程上的平衡选择：特征点数太少求解精度不足，点数太多则现场采集操作繁琐。均匀分布的九个点既能充分约束变换矩阵，又兼顾了现场操作的效率，是平面场景下性价比很高的标定方式。标定完成后，相机识别到的任意物体位置，都能通过矩阵换算成机器人可识别的平面运动坐标，实现“看到即抓到”。

2、两种架构与适用场景

九点标定分两种典型部署方式，适配不同产线结构：

眼在手：相机装在机械臂末端跟随同步运动，标定时标定板固定在工作台，机器人带动相机变换位置拍摄，求解相机与末端的相对位姿；

眼在外：相机固定在支架上俯瞰工作区，标定时机械臂携带特征点走到9个目标位置，相机同步采集，求解相机与机器人基坐标系的变换关系。

针对不同架构，大凡光学也有着对应选型方案：眼在手上场景推荐小尺寸圆点标定板或ChArUco标定板，倾斜视角下特征稳定、识别率鲁棒性更强；眼在外场景更适合AprilTag阵列标定板，单个标签即可解算位姿，覆盖范围广，标定效率更高。产线自动化工位还可选用带光源标定板，主动照明不受车间环境光干扰，识别稳定性更优。

三、手眼标定：三维空间的跨系统位姿统一

九点标定只适用于平面作业场景，一旦涉及3D抓取、立体装配、多传感器融合，就需要完整的手眼标定来实现三维空间的坐标统一。它的核心是求解相机与机器人之间的6自由度位姿变换，是连接视觉感知与机械执行的核心桥梁。

1、数学本质：AX=XB的经典求解

手眼标定的数学模型可以归纳为经典的AX=XB方程：A代表机械臂末端的运动变换矩阵，B代表相机观测到的标定板运动变换矩阵，X就是待求的手眼变换矩阵，包含旋转与平移两个维度。

求解路径主要分两类：一类是以Tsai-Lenz、Park-Martin为代表的解析解法，通过矩阵分解直接得到闭式解，计算速度快，常用来获取初始值；

另一类是数值优化法，以重投影误差最小为目标函数，通过光束平差法迭代优化，抗干扰能力强、结果更稳定，是工业现场的主流方案。通常会先用解析法求初值，再用优化法精调，兼顾效率与精度。

2、流程与场景价值

标准手眼标定需要采集15~25组不同位姿的数据，覆盖足够的旋转角度与平移范围，避免共面、共轴导致的求解退化。标定完成后，视觉识别的三维坐标能精准映射到机器人运动坐标系，支撑3D无序抓取、精密装配、立体分拣等复杂作业。

针对三维手眼标定，大凡光学提供多类工具：常规3D场景可选用三维阶梯式标定板，多深度平面提供充足的空间约束，标定结果更稳定；多目、多传感器场景可选用多面体标定板，单次拍摄获取多角度特征，标定效率更高；高精度研发场景搭配玻璃基底靶标与带光源标定箱，环境可控、特征精准，能支撑更高等级的精度需求。

四、一表分清：三种标定的核心差异

三者之所以容易混淆，核心在于标定对象与目标维度的差异。为直观呈现这些区别，大凡光学为大家整理了一个表格，可通过下表快速对照：

五、选型落地：匹配场景选对工具

实际项目中，方案选型并非越复杂越好；结合具体工况按需配置，才是兼顾实用性与成本的有效路径：

只要做相机内参与畸变校正，优先选大凡光学标准棋盘格标定板，算法兼容好、上手简单；鱼眼、大广角等高畸变镜头换用圆点标定板效果更佳。

普通2D平面抓取工位，九点标定完全够用，搭配大凡光学二维码标定板能进一步提升效率与抗干扰能力。

3D视觉抓取、精密装配场景，可选用三维/多面体标定板做完整手眼标定，保障三维空间的定位精度。

产线高频复校、环境光复杂的场景，优先考虑带光源标定方案，结果重复性更好，运维更省心。

结语

总的来说，三种标定并非互斥关系，而是视觉系统从底层成像到应用执行的层层递进：张正友标定筑牢成像精度的底座，九点标定快速打通平面作业的坐标转换链路，手眼标定则实现三维空间的跨系统协同。理解三者技术的定位与边界，才能在项目中用对方法、选对工具，让视觉系统既看得准，又能和执行机构精准配合。