A Graph-based Optimization Framework for Hand-Eye Calibration for Multi-Camera Setups

要約

ハンドアイ キャリブレーションは、参照フレーム (通常はロボット アームまたはそのグリッパーのベース) と 1 つまたは複数のカメラの参照フレームとの間の空間変換を推定する問題です。
一般に、このキャリブレーションは非線形最適化問題として解決されますが、代わりにめったに行われないのは、問題自体の基礎となるグラフ構造を利用することです。
実際、手と目のキャリブレーションの問題は、SLAM (Simultaneous Localization and Mapping) 問題のインスタンスとして見ることができます。
この事実に着想を得て、この作業では、最近の最先端のソリューションを 2 つの異なる方法で拡張する手と目のキャリブレーション問題に対するポーズグラフ アプローチを提示します。
1 台のカメラを使用した基本セットアップ。
ii) マルチカメラ ロボットのセットアップをカバーすることによって。
提案されたアプローチは、標準的な手と目のキャリブレーション方法に対するシミュレーションで検証されています。
さらに、実際のアプリケーションが表示されます。
どちらのシナリオでも、提案されたアプローチはすべての代替方法を克服します。
このペーパーでは、マルチカメラ セットアップ用のグラフベースの最適化フレームワークのオープンソース実装をリリースします。

要約(オリジナル)

Hand-eye calibration is the problem of estimating the spatial transformation between a reference frame, usually the base of a robot arm or its gripper, and the reference frame of one or multiple cameras. Generally, this calibration is solved as a non-linear optimization problem, what instead is rarely done is to exploit the underlying graph structure of the problem itself. Actually, the problem of hand-eye calibration can be seen as an instance of the Simultaneous Localization and Mapping (SLAM) problem. Inspired by this fact, in this work we present a pose-graph approach to the hand-eye calibration problem that extends a recent state-of-the-art solution in two different ways: i) by formulating the solution to eye-on-base setups with one camera; ii) by covering multi-camera robotic setups. The proposed approach has been validated in simulation against standard hand-eye calibration methods. Moreover, a real application is shown. In both scenarios, the proposed approach overcomes all alternative methods. We release with this paper an open-source implementation of our graph-based optimization framework for multi-camera setups.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google