文章

Transform 的方向語義:為什麼 Calibration 結果放進 TF 有時要 Invert,有時不用

機器人視覺系統中最難診斷的 bug 類型之一,是 transform 在數值上合理、程式不報錯,但顯示結果是鏡像或整個跑偏。這類問題幾乎都指向同一個根源:active 與 passive transform 的語義混用,或 TF 的 parent/child 方向填錯。這篇文章用兩個真實案例深入分析每個方向搞錯時會產生什麼症狀,以及一個可以直接套用的兩步判斷框架。

ROS2
Robotics
Coordinate Systems
TF
Computer Vision
Calibration
ICP
OpenCV

ROS2 系統中的 Frame Tree:從 Optical Frame 到末端節點的完整旅程

完成 ICP-based extrinsic calibration 後,理論點雲和實際點雲出現系統性的旋轉偏差。這個問題看起來像校正精度不足,實際上是沒意識到 camera_link 和 camera_depth_optical_frame 之間的座標系旋轉差。這篇文章整理完整的 RealSense Frame Tree 結構,說明每一層 frame 之間的確切轉換數值,以及為什麼 optical frame 的選擇會讓校正結果差之毫釐、失之千里。

ROS2
Robotics
Coordinate Systems
TF
Linux
Computer Vision
Hand-Eye Calibration