Multi-Camera Hand-Eye Calibration for Human-Robot Collaboration in Industrial Robotic Workcells

在工业场景中，有效的人机协作依赖于多摄像头系统，以便在机器人工作区域中出现遮挡时能够强大地监视人员操作。在这种情况下，精确地将人员定位于机器人坐标系中是至关重要的，这使得相机网络的手眼校准变得至关重要。当需要在短时间内实现高精度校准以最小化生产停机时间，并且需要处理用于监视广泛区域（例如工业机器人工作区域）的大量相机网络时，这个过程面临着重大挑战。我们的论文介绍了一种创新且稳健的多摄像头手眼校准方法，旨在优化每个相机相对于机器人基座和其他相机的姿态。此优化集成了两种关键约束条件：i）单板到末端执行器的转换，以及ii）相机到相机之间的相对转换。通过使用METRIC数据集和在工业场景中收集的真实数据进行全面实验，我们展示了我们的方法的卓越性能，即使使用不到10张图像也能比现有技术取得显着进展。此外，我们发布了我们的多摄像头手眼校准算法的开源版本，网址为 https://github.com/davidea97/Multi-Camera-Hand-Eye-Calibration.git。

解决问题：论文旨在解决工业场景中多相机系统手眼标定的问题，以提高人机协作的效率和精度。

关键思路：论文提出了一种创新的、健壮的多相机手眼标定方法，通过优化每个相机相对于机器人基座和其他相机的姿态，结合单个板到末端执行器转换和相机到相机之间的相对转换两种关键约束，以实现高精度的标定。

其他亮点：论文通过METRIC数据集和实际工业场景中收集的真实数据进行了全面的实验，即使使用少于10张图像，也比现有技术取得了显著进展。此外，论文还开源了他们的多相机手眼标定算法的代码。

相关研究：最近的相关研究包括“Multi-Camera Self-Calibration for Long-Term Autonomous Operation of Mobile Robots”和“Hand-Eye Calibration of RGB-D Cameras with Minimal Correspondences”。