Os sensores de nuvem de pontos geralmente apresentam erro de profundidade, e os métodos existentes de calibração mão-olho raramente consideram esse fator, resultando em problemas de aplicabilidade da matriz mão-olho em diferentes escalas. Propõe-se um método de calibração mão-olho de alta precisão baseado na otimização alternativa de mínimos quadrados. Primeiro, por meio do ajuste do plano da placa de calibração e da amostragem uniforme por voxel, os dados da nuvem de pontos nas escalas próxima, média e distante são pré-processados para unificar a densidade da nuvem de pontos da placa de calibração em diferentes escalas; em seguida, utiliza-se o algoritmo GICP (ICP Generalizado) para obter a matriz de registro da nuvem de pontos e resolver os valores iniciais da matriz mão-olho para cada escala, fixando alternadamente a matriz mão-olho de uma escala e construindo um problema de mínimos quadrados para erros de rotação e translação para otimizar os parâmetros de registro das demais escalas; finalmente, com base nas matrizes de registro otimizadas para cada escala, realiza-se a calibração pelo método Tsai-Lenz para obter a matriz mão-olho que compensa o erro de profundidade. Os resultados experimentais comparativos mostram que o erro médio da matriz de rotação deste método é 0,1448°, o erro médio do vetor de translação é 0,6335 mm, e o erro quadrático médio do registro da nuvem de pontos aplicando a matriz mão-olho é 0,2769 mm. Em comparação com o método de calibração por esfera, o erro médio do registro da nuvem de pontos na distância focal próxima é reduzido em 19%, e na distância focal distante em 16%. Este método pode reduzir eficazmente o impacto do erro de profundidade na precisão da calibração e melhorar a aplicabilidade.

erro de profundidade; calibração mão-olho; luz estruturada; registro de nuvem de pontos