- 启动kinnect驱动
roslaunch easy_handeye kinect2.launch
- 启动对Marker标定板的检测，并广播转换关系（/base->/camera_marker）
roslaunch aruco_gridboard detection_verp.launch
- 从话题中获取转换关系的信息（/base->/camera_marker）
rosrun tf_precision tf_listener
得到的信息里有：marker_to_camera pos:（0.411248，0.531724，-0.0522373）
后面的三个数字便是我们得到的maker在机器人坐标系下的pose.
上面三个其实可以放在一个package里，建议再复制创建一个aruco_gridboard的package。
tf_precision package 是我最开始写的进行误差测量的package。
在位置一 记录 marker 和 gripper的相对与 机器人底座的位姿， 在位置二记录maker 和 gripper的 相对于机器人底座的位姿， 计算在底座坐标系下，maker两个位置的 R和T， gripper的R和T，比较这两个R 和两个T ，就能比较相机注册的精确度，当时考虑的是刚体的位姿变化应该是相同的（marker和gripper的相对位置关系是不变的），但如果以gripper为中心转动，其实marker和gripper的变化是不一样的，误差校验程序写出来误差一直很大。
这里面包括，计算位置转换的代码，发布话题的代码，计算旋转的误差都是可以重用的，值得看看。
- 获取到pose后，读入到pose_goto(参考pick_place package) package 的pick_and_place_pick.py
position=Point(x=0.385966, y=0.526913, -0.0845007+OFFSET)
注意：OFFSET在做精度测试的时候注意设置的大一些，防止针撞歪。
rosrun pose_goto pick_and_place_pick
这样就可以直观看精度大小了
1、相机获取固定标定板（board_1）的顶点pose
2、将标定板（board_1）顶点坐标转换为机器人基座坐标系下坐标，移动机器人手臂末端针到达该定点
3、获取此时机械臂末端标定板（board_2）的坐标
4、将这个手臂端标定板（board_2）坐标P_test，与机器人手臂末端针准确指向标定板（board_1）定点时，手臂端标定板（board_2）坐标P_groudtruth，做比较，得出XYZ轴上的偏移，算出误差。
