眼在手外时，在3D相机坐标系和机器人坐标系标定变换时，关键是观察到的是同一个点，这样才能保证3D相机和机器人在3D相机坐标系和机器人世界坐标系测量的为同一个点。
实现的一般思路为：先提取 2D 亚像素坐标，再结合深度图映射为 3D 坐标。
实施步骤：
Step 1 在 2D 图上高精度提取标定板角点（亚像素级）。
Step 2 将 2D 坐标，同过深度图投影到 3D 点云上，找到对应的 3D 点。
注意事项：不要直接使用单个像素对应的 3D 点，因为 3D 点云通常有噪声且稀疏。"2D 亚像素定位 + 3D 邻域平均/拟合" 是行业标准做法。
在 3D 点云中提取角点周围的小邻域并进行处理，是提高手眼标定精度的核心步骤 。直接取单个像素对应的 3D 点往往噪声较大，而提取邻域（例如 3×3 或 5×5 像素范围）内的所有点，通过求质心 或平面拟合，可以显著抑制噪声，将精度提升一个数量级。具体实现方法：
1）输入 ：2D 亚像素角点坐标 (Row,Col)(Row,Col) + 完整的 3D 点云 (ObjectModel3D)。
2）定义邻域：以 (Row,Col)(Row,Col) 为中心，在 2D 图像平面上生成一个圆形或矩形掩膜（Mask/Region）。
3）映射筛选：利用 3D 点云与 2D 图像的对应关系，筛选出落在该掩膜内的 3D 点。
4）数据清洗：剔除深度值异常（离群点）的数据。
5）计算代表点：计算剩余点的几何质心 (Xmean,Ymean,Zmean)(Xmean,Ymean,Zmean) 作为该角点的最终 3D 坐标。
采用改方法通过 静态半径 (3-5 像素) + 中值滤波去噪 + 算术平均，可满足 90% 的工业场景下能达到最佳平衡。
实现方法，假设采用五点法，采用C++语言的实现如下：
cpp
// 定义四个方向的偏移量: 中心点，上, 下, 左, 右，假设相对原来的点向外扩3个像素
int x[5];
int y[5];
int x,y;
int dx[5] = {0，0, 0, -3, 3};
int dy[5] = {0，-3, 3, 0, 0};
for (int i = 0; i < 5; ++i)
{
x[i] = x + dx[i];
y[i] = y + dy[i];
}