Next-Best-View Selection for Robot Eye-in-Hand Calibration

要約

ロボットの目のキャリブレーションは、ロボットのエンドエフェクタ フレームに対するカメラの固定 6 DoF ポーズを決定するタスクです。
このホワイト ペーパーでは、このタスクを非線形最適化問題として定式化し、アクティブ ビジョン アプローチを導入して、キャリブレーション精度を最大化するためにロボットの姿勢を戦略的に選択します。
具体的には、測定セットの初期コレクションが与えられると、システムは最初にキャリブレーションパラメーターを計算し、パラメーターの不確実性を推定します。
次に、キャリブレーション パラメーターで最大の情報ゲイン (不確実性の低減) をもたらす次の測定値を収集するための次のロボットのポーズを予測します。
シミュレートされたデータセットでアプローチをテストし、実際の 6 軸ロボット マニピュレーターで結果を検証します。
結果は、私たちのアプローチが他の一般的に使用されるベースライン キャリブレーション方法よりもはるかに少ない視点を使用して正確なキャリブレーションを達成できることを示しています。

要約(オリジナル)

Robotic eye-in-hand calibration is the task of determining the rigid 6-DoF pose of the camera with respect to the robot end-effector frame. In this paper, we formulate this task as a non-linear optimization problem and introduce an active vision approach to strategically select the robot pose for maximizing calibration accuracy. Specifically, given an initial collection of measurement sets, our system first computes the calibration parameters and estimates the parameter uncertainties. We then predict the next robot pose from which to collect the next measurement that brings about the maximum information gain (uncertainty reduction) in the calibration parameters. We test our approach on a simulated dataset and validate the results on a real 6-axis robot manipulator. The results demonstrate that our approach can achieve accurate calibrations using many fewer viewpoints than other commonly used baseline calibration methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google