User Feedback and Sample Weighting for Ill-Conditioned Hand-Eye Calibration

要約

ハンドアイキャリブレーションは、動きの推定のみに基づいて、剛結合センサーをキャリブレーションするための重要で広範に研究されている方法です。
この問題の幾何学的構造により、一意の解決策を得るには、非平行な回転軸を持つ少なくとも 2 つの動き推定が必要です。
回転軸の大部分がほぼ平行である場合、結果として生じる最適化問題は悪条件になります。
本稿では、このような条件の悪い最適化問題の動きサンプルに自動的に重み付けを行い、条件付けを改善する手法を提案する。
サンプルの重みは、利用可能なすべての回転軸の局所密度に関連して選択されます。
さらに、変換部分と回転部分に分けて、コスト関数の感度と調整を推定するためのアプローチを提示します。
この情報は、調整データを記録するときにユーザーのフィードバックとして使用して、状態の悪化を事前に防ぐことができます。
私たちは、KITTI オドメトリ データセットから人工的に拡張されたデータに対するアプローチを評価し、比較します。

要約(オリジナル)

Hand-eye calibration is an important and extensively researched method for calibrating rigidly coupled sensors, solely based on estimates of their motion. Due to the geometric structure of this problem, at least two motion estimates with non-parallel rotation axes are required for a unique solution. If the majority of rotation axes are almost parallel, the resulting optimization problem is ill-conditioned. In this paper, we propose an approach to automatically weight the motion samples of such an ill-conditioned optimization problem for improving the conditioning. The sample weights are chosen in relation to the local density of all available rotation axes. Furthermore, we present an approach for estimating the sensitivity and conditioning of the cost function, separated into the translation and the rotation part. This information can be employed as user feedback when recording the calibration data to prevent ill-conditioning in advance. We evaluate and compare our approach on artificially augmented data from the KITTI odometry dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google