现有的手眼标定方法无法自动生成机械臂的标定姿态,因此在标定过程中所有的机械臂运动都由标定人员根据经验来控制。由于手眼标定的结果对获取的数据十分敏感,若获取的数据不理想,即使采用优秀的算法,也会导致标定结果具有较大的标定误差。为此,提出了一种根据初始标定结果自动生成机械臂标定姿态,并结合K-means聚类算法筛选有利于提高结果精度的机械臂姿态的手眼标定方法。通过仿真实验和真实机器人手眼标定实验,比较了文中方法和传统的手眼标定方法,结果表明新算法在精度和对噪声的稳定性上得到提升,并且消除了获取手眼标定数据时的不确定性因素。