视觉感知管线

为什么设计三阶段？

单次感知 → 直接抓取的问题：

• 瞭望时相机离目标远，位姿估计有误差
• 一次感知没有机会纠正

三阶段管线把精度问题拆解：

Phase 1 — 扫描（Scan）
  瞭望姿态 → 粗定位目标
  目的：知道目标大概在哪，误差 5-10cm 都可以接受

Phase 2 — 对齐（Align）
  切换到俯瞰姿态 → 固定 Z 高度
  → 每轮：感知当前物体 XY → 与末端 XY 比较误差
  → 只调整 joint_0 → 重复直到误差 < 5mm（最多 5 轮）
  目的：XY 闭环对齐，消除感知 → 运动链的累积误差

Phase 3 — 下降执行（Descend）
  joint_4 旋转 -90° → 确认目标 → 执行抓取/放置
  目的：在确认对齐后执行，避免误抓

统计对齐（Case 6 的增强）： 3 次感知采样，取 x/y/z/roll 各自的中值，减少单次感知的随机误差。

关键参数： visual_align.align_threshold: 0.005（5mm 收敛阈值）、visual_align.max_iters: 5