机器人视觉系统仿真软件的价值，不在于把相机和机械臂画得逼真，而在于能把标定误差、光照变化、节拍冲突这些现实问题在虚拟环境里复现出来，让学生反复试错而不损坏设备。视觉引导抓取失败的案例里，九成不是算法写错，而是标定与光照没做扎实。

相机内参标定的误差来源

内参标定要估出焦距、主点与畸变系数。用 9 乘 6 的棋盘格标定板，采集 15 至 20 张不同姿态的图像，重投影误差控制在 0.5 像素以内算合格。误差偏大的常见原因是标定板姿态过于集中，全部正对镜头采集，畸变系数估不准，实际使用时画面边缘的定位偏差会明显放大。

仿真软件里可以人为设置畸变参数，再让学生用标定流程反算，看能不能还原到设定值。把 k1 设为负值、k2 设为正值，反算结果与真值的差距就是标定方法的精度上限。这种先给真值再反算的训练方式，比让学生对着真实相机反复试更容易讲清误差的来路。

手眼标定的两种布置与选取

相机装在机械臂末端的方式适合大范围、多工位的场景，标定要解出相机与法兰的变换关系；相机固定在支架上俯视工作台的方式适合小范围高精度作业，标定时相机不动、机械臂带标定板走多个位姿。两种布置各有取舍，前者视野灵活但精度受机械臂重复定位精度制约，后者精度高但视野固定。

训练时让同一套任务在两种布置下各跑一遍，对比抓取成功率与循环时间。相机固定在支架上时，若机械臂重复定位精度为 0.05 毫米，抓取成功率通常在 95% 以上；换成末端安装，同一台机械臂的精度直接叠加到视觉定位上，成功率会下降几个百分点。这些数字让学生自己跑出来，结论才立得住。

光照与工件表面特性的影响

视觉项目的成败往往在光源上。表面反光的金属件用环形光容易产生高光斑，改用同轴光或圆顶光可以压掉反光；透明件或深色件用背光打出轮廓，边缘提取更稳。仿真软件里的光照模型可以调入射角与色温，让学生观察同一工件在不同光照下的特征提取结果。

工件表面粗糙度也会影响成像。Ra 0.8 的磨削面与 Ra 6.3 的铣削面在同一光照下，边缘的灰度梯度差别明显，阈值设同一个值就会一边过检一边漏检。训练要求学生对三种表面状态分别确定阈值并记录依据，这份记录比最终的抓取结果更能反映他是否真正理解成像条件。

定位精度验证与节拍核算

精度验证用重复定位法：同一工件在同一位置连续抓取 30 次，记录每次落点坐标，算出均值与标准差。标准差反映稳定性，均值与真值的偏差反映系统误差。合格线按任务要求设，一般取装配任务的定位偏差不超过 0.3 毫米。