Multi-Kamera Hand-Augen-Kalibrierung für die Zusammenarbeit von Mensch und Roboter in industriellen Roboterarbeitszellen

In industriellen Szenarien basiert eine effektive Mensch-Roboter-Zusammenarbeit auf Multi-Kamera-Systemen, um menschliche Bediener robust zu überwachen, trotz der typischen Okklusionen, die in einer Roboterarbeitszelle auftreten. In diesem Szenario ist eine präzise Lokalisierung der Person im Roboterkoordinatensystem von entscheidender Bedeutung, was die Hand-Augen-Kalibrierung des Kameranetzwerks kritisch macht. Dieser Prozess stellt erhebliche Herausforderungen dar, wenn eine hohe Kalibrierungsgenauigkeit in kurzer Zeit erreicht werden soll, um Produktionsausfallzeiten zu minimieren, und wenn es sich um umfangreiche Kameranetze handelt, die zur Überwachung großer Bereiche, wie industrieller Roboterarbeitszellen, eingesetzt werden. Unser Papier stellt eine innovative und robuste Methode zur Hand-Augen-Kalibrierung mit mehreren Kameras vor, die darauf ausgelegt ist, die Pose jeder Kamera relativ sowohl zur Basis des Roboters als auch zueinander zu optimieren. Diese Optimierung integriert zwei Arten von Schlüsselbedingungen: i) eine einzelne Transformierung vom Werkzeug zum Endeffektor und ii) die relativen Transformationen von Kamera zu Kamera. Wir demonstrieren die überlegene Leistung unserer Methode durch umfassende Experimente unter Verwendung des METRIC-Datensatzes und realer Daten, die in industriellen Szenarien gesammelt wurden, und zeigen bemerkenswerte Fortschritte gegenüber modernen Techniken, selbst mit weniger als 10 Bildern. Darüber hinaus stellen wir eine Open-Source-Version unseres Algorithmus zur Hand-Augen-Kalibrierung mit mehreren Kameras unter https://github.com/davidea97/Multi-Camera-Hand-Eye-Calibration.git zur Verfügung.