核心摘要在柔性制造与无序分拣场景中，视觉引导是赋予机器人“眼手协同”能力的关键。然而，大量项目止步于“相机能识别、机器人能动”，却在量产中因坐标偏移、标定漂移或时序抖动导致良率崩塌。本文以C#/.NET 8为统一技术栈，完整拆解2D/3D视觉引导的工程化落地路径：涵盖手眼标定数学本质、多坐标系变换链、亚像素级特征提取、TCP/IP或EtherCAT实时通信协议适配，以及抗环境干扰的鲁棒性设计。所有方案均基于锂电极片抓取与3C精密装配产线实测，附可复现代码与误差溯源方法，助你构建真正可信的工业级视觉引导系统。一、 视觉引导的本质：坐标系对齐问题1.1 为什么“识别准≠抓得准”？视觉引导的核心矛盾在于：相机看到的是像素坐标系，机器人执行的是基座标系下的笛卡尔空间。两者之间隔着至少四层变换：像素(u,v) → 相机物理(mm) → 工具/基座标(mm) → 机器人关节角(rad)任一环节的标定残差、机械公差或热漂移，都会在末端被放大。10μm的标定误差，在500mm工作距离下可能导致0.5mm的抓取偏差。1.2 手眼系统选型决策树场景特征推荐方案