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、基準フレーム (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基準フレームの間の空間変換を推定する問題です。
一般に、この調整は非線形最適化問題として解決されますが、その代わりに、問題自体の基礎となるグラフ構造を利用することはほとんど行われません。
実際、ハンドアイキャリブレーションの問題は、Simultaneous Localization and Mapping (SLAM) 問題の一例として見ることができます。
この事実に触発されて、この研究では、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、ハンドアイ キャリブレーション問題に対するポーズグラフ アプローチを紹介します。
1 台のカメラによる基本セットアップ。
ii) マルチカメラのロボット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、標準的なハンドアイ校正方法に対するシミュレーションで検証されています。
また、実際のアプリケーションを示します。
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、マルチカメラ設定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