Self-Contained Calibration of an Elastic Humanoid Upper Body Using Only a Head-Mounted RGB Camera

要約

人型ロボットが操作タスクを実行するときは、まず視覚センサーを使用して世界のモデルを作成し、次にこのモデル内で体の動きを計画します。
このためには、カメラパラメータとキネマティックツリーの正確なキャリブレーションが必要です。
校正されたモデルの精度に加えて、校正プロセスは高速かつ自己完結型である必要があります。つまり、外部測定機器を使用すべきではありません。
したがって、内部ヘッドマウント RGB カメラのみを使用して、DLR の Agile Justin の弾性上半身を調整するという以前の作業を拡張します。
運動学的チェーンの端と、ポールに取り付けられたロボットの前にある単純な視覚マーカーを使用して、運動学的ツリー全体の測定値を取得します。
エンドエフェクターでのタスク関連のデカルト誤差を確実に最小限に抑えるために、不完全なロボット モデルに適合する仮想ノイズを導入して、マーカーがカメラから遠く離れている場合にピクセル誤差の重みが大きくなるようにします。
この補正によりデカルト誤差が 20% 以上減少し、最終精度は平均 3.9 mm、最悪の場合 9.1 mm になります。
このようにして、外部デカルト追跡システムを使用した以前の研究と同じ精度を達成します。

要約(オリジナル)

When a humanoid robot performs a manipulation task, it first makes a model of the world using its visual sensors and then plans the motion of its body in this model. For this, precise calibration of the camera parameters and the kinematic tree is needed. Besides the accuracy of the calibrated model, the calibration process should be fast and self-contained, i.e., no external measurement equipment should be used. Therefore, we extend our prior work on calibrating the elastic upper body of DLR’s Agile Justin by now using only its internal head-mounted RGB camera. We use simple visual markers at the ends of the kinematic chain and one in front of the robot, mounted on a pole, to get measurements for the whole kinematic tree. To ensure that the task-relevant cartesian error at the end-effectors is minimized, we introduce virtual noise to fit our imperfect robot model so that the pixel error has a higher weight if the marker is further away from the camera. This correction reduces the cartesian error by more than 20%, resulting in a final accuracy of 3.9mm on average and 9.1mm in the worst case. This way, we achieve the same precision as in our previous work, where an external cartesian tracking system was used.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google