Kalib：基于参考点跟踪的简易眼手标定

眼手标定旨在估计相机与机器人之间的变换。传统方法依赖标记点，需要大量人工操作和精确设置。近期的深度学习进展引入了无标记技术，但需要更多前提条件，例如为每个机器人重新训练网络，以及访问准确的网格模型以生成数据。在本文中，我们提出了 Kalib，一种自动且易于设置的眼手标定方法，利用视觉基础模型的泛化能力来克服这些挑战。它仅有两个基本前提：机器人的运动学链和机器人上的预定义参考点。在标定过程中，参考点在相机空间中被跟踪。其在机器人坐标系中的对应三维坐标可通过正运动学推断。然后，PnP 求解器直接估计相机与机器人之间的变换，无需训练新网络或访问网格模型。在模拟和真实世界基准上的评估表明，与近期基线方法相比，Kalib 在较低人工工作量下实现了良好精度。我们还展示了其在多种真实世界设置中的应用，涉及各种机械臂和夹具。Kalib 的用户友好设计和最少的设置要求使其成为在非结构化环境中连续运行的可能解决方案。