1. 视觉定位链路里最容易被忽略的一环旋转中心视觉定位这件事很多人第一反应是「模板匹配找得到就行」。但真正在产线上跑过的人都知道匹配得分 0.95 以上抓取还是偏个零点几毫米问题往往不在匹配算法而在旋转中心Center of Rotation和 TCPTool Center Point这两个参数上。视觉定位是什么简单说就是相机拍照算出物料相对模板的偏移量ΔX、ΔY、ΔA把这个偏移量发给机械手让机械手去补偿。它能做什么让机械手在物料摆放有偏差的情况下依然能准确抓取、组装。适合谁做视觉组装、上下料、贴合、锁螺丝这类工站的工程师尤其是用 Halcon 做算法、用四轴或六轴机械手执行动作的场景。我见过太多项目模板匹配调得很漂亮结果一上产线物料旋转 5° 之后抓取点就偏了 0.4mm组装直接卡料。根因就是旋转中心没标定或者标定错了或者标定了但代码里没用。这篇文章聚焦工业视觉中视觉定位的完整链路以 Halcon 算法模拟为切入点把 TCP 与旋转中心标定的核心原理拆开讲。正文会交付可复制的 Halcon 标定脚本配置与旋转中心验证动作你可以直接在自己的设备上复现定位精度测试。核心检索词就是视觉定位、Halcon、算法模拟、TCP、旋转中心。先说结论方便你带着目标往下看旋转中心是「物料绕哪个点转」的那个点标定不准角度补偿就是错的。TCP 应该在夹爪中心附近不在相机中心。TCP 放错位置角度误差会被放大成位置误差。位置误差 ≈ R × sin(δa) ≈ R × δaδa 很小时。R 是相机到夹爪的距离δa 是角度误差。举例δa 0.5°0.00873 radR 50mm误差 ≈ 50 × 0.00873 0.44mm。这 0.44mm 如果没被补偿组装就废了。下面从原理到代码一步步来。2. Halcon 算法模拟用脚本把旋转补偿算清楚在真正上设备之前我习惯先用 Halcon 写一段模拟脚本把旋转补偿的数学关系跑一遍。这样标定出来的参数对不对心里有底。这一段就是「算法模拟」的核心也是后面 TCP 和旋转中心标定的理论基础。2.1 旋转补偿的数学表达先看公式这是整个视觉定位的骨架x2 cos(θ)(x1-x0) - sin(θ)(y1-y0) x0 y2 sin(θ)(x1-x0) cos(θ)(y1-y0) y0其中 (x0, y0) 是旋转中心(x1, y1) 是原始点(x2, y2) 是绕旋转中心转 θ 后的点。使用时角度注意正负号Halcon 里gen_circle_contour_xld的角度方向是逆时针为正但机械手坐标系可能是顺时针为正这个符号一定要在模拟阶段确认清楚。2.2 Halcon 模拟脚本下面这段脚本可以直接在 Halcon 里跑用来验证旋转补偿公式dev_close_window () dev_open_window (0, 0, 512, 512, black, WindowHandle) * 画一个圆作为参考轮廓 gen_circle_contour_xld (ContCircle, 200, 200, 100, 0, 6.28318, positive, 1) * 定义旋转中心和半径 r1 : 200 c1 : 200 L : 100 angle1 : 30 angle2 : 60 pi : 3.1415926 * 计算两个角度下的点 r2 : r1 - L*cos(pi*angle1/180) c2 : c1 L*sin(pi*angle1/180) r3 : r1 - L*cos(pi*angle2/180) c3 : c1 L*sin(pi*angle2/180) gen_contour_polygon_xld (Contour1, [r1,r2], [c1,c2]) gen_contour_polygon_xld (Contour1, [r1,r3], [c1,c3]) dev_set_color (blue) * 测试旋转 -30 度后的点位置 angeltest : -30 c6 : c1 cos(pi*angeltest/180)*(c3-c1) - sin(pi*angeltest/180)*(r3-r1) r6 : r1 sin(pi*angeltest/180)*(c3-c1) cos(pi*angeltest/180)*(r3-r1) gen_cross_contour_xld (Cross2, r6, c6, 16, 0.785398)跑完你会看到蓝色十字落在旋转后的位置上。如果十字和预期位置对不上先检查角度单位度 vs 弧度和正负号。这一步是「算法模拟」的价值在不动机械手的情况下把数学关系验证到位。2.3 从模拟到实际偏移量计算模拟通过后实际视觉定位的偏移量计算就是套公式。设centry (X0, Y0)— 旋转中心标定得到Model (Xm, Ym, Am)— 模板位置基准Curr (Xc, Yc, Ac)— 当前拍照位置实时计算DeltaA Ac - Am DeltaX cos(DeltaA)(X0 - Xm) - sin(DeltaA)(Y0 - Ym) Xc - X0 DeltaY cos(DeltaA)(Y0 - Ym) sin(DeltaA)(X0 - Xm) Yc - Y0发给机器人的就是(DeltaX, DeltaY, DeltaA)。2.4 四个场景验证用具体数值跑一遍你会更清楚旋转中心的作用。场景 1产品位置完全一致无偏差参数X0100, Y0200, Xm105, Ym203, Am1.5708 rad (90°)当前位置 Xc105, Yc203, Ac1.5708。DeltaA 1.5708 - 1.5708 0 DeltaX cos(0)(100-105) - sin(0)(200-203) 105 - 100 -5 5 0.000 DeltaY cos(0)(200-203) sin(0)(100-105) 203 - 200 -3 3 0.000结果 DeltaX0, DeltaY0, DeltaA0无偏差正确。场景 2只有平移偏差无角度偏差当前位置 Xc106, Yc204, Ac1.5708。DeltaA 0 DeltaX -5 6 1.000 DeltaY -3 4 1.000结果 DeltaX1.000, DeltaY1.000, DeltaA0。含义产品向 X 偏 1mm向 Y 偏 1mm机器人多走 X1, Y1 去取料。场景 3只有角度偏差10°无平移当前位置 Xc105, Yc203, Ac1.7453 rad (100°)。DeltaA 0.1745 rad (10°) DeltaX cos(0.1745)(100-105) - sin(0.1745)(200-203) 105 - 100 0.9848*(-5) - 0.1736*(-3) 5 -4.924 0.521 5 0.597 DeltaY cos(0.1745)(200-203) sin(0.1745)(100-105) 203 - 200 0.9848*(-3) 0.1736*(-5) 3 -2.954 - 0.868 3 -0.822结果 DeltaX0.597, DeltaY-0.822, DeltaA10°。产品旋转 10° 后夹爪取料点需要做相应 XY 补偿。如果旋转中心就是夹爪中心产品原地旋转时不需要 XY 补偿。把centry 模板位置代入X0Xm105, Y0Ym203则 DeltaX0, DeltaY0。旋转中心模板位置时纯旋转不产生 XY 偏差符合物理直觉。场景 4同时有平移角度偏差最常见当前位置 Xc106.5, Yc202, Ac1.6580 rad (95°)。DeltaA 0.0873 rad (5°) DeltaX cos(0.0873)(100-105) - sin(0.0873)(200-203) 106.5 - 100 0.9962*(-5) - 0.0872*(-3) 6.5 -4.981 0.262 6.5 1.781 DeltaY cos(0.0873)(200-203) sin(0.0873)(100-105) 202 - 200 0.9962*(-3) 0.0872*(-5) 2 -2.989 - 0.436 2 -1.425结果 DeltaX1.781, DeltaY-1.425, DeltaA5°。场景 5对比「不使用旋转中心」不使用旋转中心时DeltaX Xc - Xm 106.5 - 105.0 1.500 DeltaY Yc - Ym 202.0 - 203.0 -1.000使用旋转中心时 DeltaX1.781, DeltaY-1.425。差异ΔX 差 0.281mmΔY 差 0.425mm。这个差异就是旋转中心带来的角度补偿效果。旋转中心离目标越远、角度偏差越大差异越大。不用旋转中心时角度偏差造成的 XY 误差无法被补偿。这就是为什么「算法模拟」必须先做你可以在脚本里把两种分支都跑一遍直观看到差异再决定标定策略。3. 可复制配置TCP 与旋转中心标定参数落地原理清楚了接下来是配置。这一段给你可直接复制的 JSON/TOML/settings 片段路径和原文一致方便你贴进自己的项目。3.1 TCP 标定为什么必须在夹爪中心附近机械手组装定位时TCP 应该在夹爪中心附近。原因看误差公式位置误差 ≈ R × sin(δa) ≈ R × δaδa 很小时R 是相机到夹爪的距离。举例δa 0.5°0.00873 radTCP 在夹爪中心R 50mm误差 ≈ 50 × 0.00873 0.44mm。如果 TCP 在相机中心R 0相机处误差为 0但夹爪处的误差 50 × 0.00873 0.44mm而且这个误差没有被补偿。因为机器人是绕 TCP 转的TCP 不在夹爪中心旋转时夹爪会画一个圆弧位置就偏了。所以 TCP 标定的目标很明确让 TCP 落在夹爪中心。四轴 SCARA 通常用四点法或三点法标定六轴用六点法。标定完在示教器里验证让机器人绕 TCP 转夹爪尖端应该原地不动。3.2 旋转中心标定配置旋转中心标定常用「三点法」或「多点拟合」。核心思路让物料绕旋转轴转几个角度记录每个角度下同一个特征点的位置拟合出圆心。下面是一个可复制的标定配置片段用 JSON 表示{ calibration: { type: rotation_center, method: three_point_fit, points: [ {angle_deg: 0, x: 105.000, y: 203.000}, {angle_deg: 90, x: 100.000, y: 200.000}, {angle_deg: 180, x: 105.000, y: 197.000} ], center: { x: 100.000, y: 200.000 }, unit: mm, angle_unit: deg } }如果你用 TOML 管理参数[vision.rotation_center] method three_point_fit center_x 100.000 center_y 200.000 angle_unit deg length_unit mm [vision.tcp] tcp_x 0.000 tcp_y 0.000 tcp_z 50.000 offset_from_gripper 0.000如果用 settings 文件比如某些视觉软件的 ini 风格[RotationCenter] Methodthree_point_fit CenterX100.000 CenterY200.000 AngleUnitdeg LengthUnitmm [TCP] TCPX0.000 TCPY0.000 TCPZ50.000 OffsetFromGripper0.0003.3 三件套Base URL Key Model ID如果你在项目里用大模型辅助生成标定脚本或做参数校验需要配置三件套。以 Codex 的auth.json为例路径通常在~/.codex/auth.json{ base_url: https://taotoken.net/api, api_key: sk-你的Key, model_id: claude-sonnet-4-20250514 }Cline MCP 的配置类似在 MCP settings 里填{ mcpServers: { taotoken: { base_url: https://taotoken.net/api, api_key: sk-你的Key, model_id: claude-sonnet-4-20250514 } } }CC Switch 里切换配置时同样三件套Base URL 填https://taotoken.net/apiKey 填你的 API KeyModel ID 填你要用的模型。这三件套缺一不可尤其是 Model ID填错了会报reading choices之类的错。3.4 标定脚本的 Halcon 配置把标定参数写进 Halcon 脚本方便每次调用* 旋转中心标定参数 CenterX : 100.000 CenterY : 200.000 AngleUnit : deg * 模板位置 ModelX : 105.000 ModelY : 203.000 ModelA : 1.5708 * 当前拍照位置从匹配结果读取 CurrX : 106.500 CurrY : 202.000 CurrA : 1.6580 * 计算偏移量 DeltaA : CurrA - ModelA DeltaX : cos(DeltaA)*(CenterX - ModelX) - sin(DeltaA)*(CenterY - ModelY) CurrX - CenterX DeltaY : cos(DeltaA)*(CenterY - ModelY) sin(DeltaA)*(CenterX - ModelX) CurrY - CenterY * 输出给机器人 * DeltaX, DeltaY, DeltaA这段脚本可以直接嵌进你的视觉程序每次匹配完调用一次。4. 验证请求旋转中心精度测试动作配置写完必须验证。这一段给你可复制的验证动作在自有设备上复现定位精度测试。4.1 验证步骤第一步把物料放在模板位置拍照记录(Xc, Yc, Ac)。理论上应该等于(Xm, Ym, Am)DeltaXDeltaYDeltaA0。如果不等检查模板匹配的基准是否一致。第二步把物料平移 1mm拍照记录。预期 DeltaX1.000, DeltaY1.000, DeltaA0。如果 DeltaX 或 DeltaY 有偏差检查像素当量mm/pixel标定。第三步把物料旋转 10°拍照记录。预期 DeltaX0.597, DeltaY-0.822, DeltaA10°用上面的参数。如果对不上检查旋转中心是否正确。第四步同时平移旋转拍照记录。预期 DeltaX1.781, DeltaY-1.425, DeltaA5°。这一步最能暴露问题。4.2 用 API 做批量验证如果你想批量跑验证用例可以用脚本调 API 做参数校验。请求示例curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的Key \ -d { model: claude-sonnet-4-20250514, messages: [ {role: user, content: 验证旋转中心补偿CenterX100, CenterY200, ModelX105, ModelY203, ModelA1.5708, CurrX106.5, CurrY202, CurrA1.6580计算DeltaX, DeltaY, DeltaA} ] }返回结果里会给出计算过程和结果你可以和 Halcon 脚本的输出对照。如果两边一致说明公式和参数都对。4.3 成功结果的样子验证通过时你会看到场景 1DeltaX0.000, DeltaY0.000, DeltaA0.000场景 2DeltaX1.000, DeltaY1.000, DeltaA0.000场景 3DeltaX0.597, DeltaY-0.822, DeltaA10°场景 4DeltaX1.781, DeltaY-1.425, DeltaA5°场景 5使用旋转中心 vs 不使用ΔX 差 0.281mmΔY 差 0.425mm如果实测值和这些对不上误差超过 0.05mm就要排查。排查方向在下一段。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth这一段对照真实报错给你排查路径。这些错我在项目里都踩过按顺序查基本能解决。5.1 401 Unauthorized报错401 Unauthorized或invalid api key。原因API Key 填错、过期、或者 Base URL 和 Key 不匹配。排查检查auth.json或 MCP settings 里的api_key是否和 TaoToken 控制台里的一致。Base URL 必须是https://taotoken.net/api不要多加斜杠或路径。如果 Key 是从别的平台复制的重新在控制台生成一个。5.2 local proxy failed报错local proxy failed或connection refused。原因本地代理配置有问题或者网络环境不允许直连。排查检查系统代理设置确保没有残留的代理配置。如果你在容器里跑检查容器的网络模式。这个错通常和本地环境有关不是 API 本身的问题。5.3 reading choices 报错报错error reading choices或invalid response format。原因Model ID 填错或者请求格式不对。排查检查model_id是否拼写正确比如claude-sonnet-4-20250514不要写成claude-sonnet-4。检查请求体是否是标准的messages格式。如果用的是 Cline MCP检查 MCP settings 里的字段名是否和文档一致。5.4 OAuth 相关报错报错OAuth token expired或authentication failed。原因OAuth 流程没走完或者 token 过期。排查重新走一遍授权流程。如果用的是 Codex 的auth.json确保base_url、api_key、model_id三件套都填了。OAuth 和 API Key 是两种认证方式不要混用。5.5 标定本身的错除了 API 报错标定本身也有常见错旋转中心标定后纯旋转时 DeltaX/DeltaY 不为 0检查标定点是否共圆拟合算法是否正确。TCP 标定后绕 TCP 转夹爪尖端移动重新标定确保 TCP 在夹爪中心。角度符号反了Halcon 逆时针为正机械手可能顺时针为正在模拟阶段确认。像素当量错用标准件标定 mm/pixel不要用理论值。排查顺序建议先查 API 三件套再查标定参数最后查机械手坐标系。6. 把标定参数管起来长期编码与 Agent 协作标定不是一次性的活。换产品、换夹爪、换相机参数都要重新标。所以把标定参数管起来比每次手动改脚本重要得多。我的做法是把旋转中心、TCP、像素当量这些参数写进一个配置文件Halcon 脚本和机械手程序都从这个文件读。这样换产品时只改配置不改代码。配置文件用 JSON 或 TOML 都行上面第 3 段给了模板。如果你经常要生成或校验标定脚本可以用 Coding Plan 做长期编码协作。把标定公式、参数模板、验证用例都放进项目里让 Agent 帮你生成新产品的标定脚本或者校验参数是否合理。接入方式还是三件套Base URL 填https://taotoken.net/apiKey 填你的 API KeyModel ID 填你要用的模型。模型对话入口可以用来快速验证公式比如你把场景 4 的参数丢进去让它算 DeltaX/DeltaY和 Halcon 输出对照。接入文档里有完整的请求示例和字段说明。API Keys 页面可以管理你的 KeyCoding Plan 适合长期编码和 Agent 协作场景。最后说个实用技巧标定完先别急着上产线用第 4 段的验证动作跑一遍四个场景都对上了再跑。我试过跳过验证直接上产线结果物料旋转 5° 就偏 0.4mm返工花的时间比验证多十倍。标定参数管好验证跑全视觉定位的精度才能稳住。