Articulo de referencia

Problema de calibración mano-ojo

En robótica y matemáticas , el problema de calibración mano-ojo (también llamado problema de calibración robot-sensor o robot-mundo ) consiste en determinar la transformación en...

En robótica y matemáticas , el problema de calibración mano-ojo (también llamado problema de calibración robot-sensor o robot-mundo ) consiste en determinar la transformación entre el efector final de un robot y uno o varios sensores (cámara o escáner láser), o entre la base del robot y el sistema de coordenadas del mundo. [ 1 ] Es conceptualmente análogo a la coordinación mano-ojo biológica (de ahí su nombre). Se expresa como AX=ZB , donde A y B son dos sistemas, generalmente la base del robot y una cámara, y X y Z son matrices de transformación desconocidas. Un caso especial muy estudiado del problema se da cuando X=Z , adoptando la forma del problema AX=XB . Las soluciones al problema adoptan diversas formas, incluyendo soluciones de forma cerrada separables, soluciones de forma cerrada simultáneas y soluciones iterativas. [ 2 ] La covarianza de X en la ecuación se puede calcular para cualquier matriz A y B perturbada aleatoriamente . [ 3 ]

Este problema constituye una parte importante de la calibración de robots , ya que la eficiencia y la precisión de las soluciones determinan la velocidad y la exactitud de las calibraciones de los robots.

Métodos

Se han desarrollado diversos métodos y soluciones para resolver el problema, que generalmente se clasifican en soluciones separables o simultáneas. Cada tipo de solución presenta ventajas y desventajas específicas, así como formulaciones y aplicaciones particulares. Un denominador común en todos los métodos es el uso de cuaterniones para representar rotaciones.

Soluciones separables

Dada la ecuación AX=ZB , es posible descomponerla en una parte puramente rotacional y otra traslacional; los métodos que utilizan esto se denominan métodos separables. Donde R A representa una matriz de rotación de 3×3 y t A un vector de traslación de 3×1, la ecuación se puede dividir en dos partes: [ 4 ]

R A R X = R Z R B
R A t X + t A = R Z t B + t Z

La segunda ecuación se vuelve lineal si se conoce R Z. Por lo tanto, el enfoque más frecuente es resolver R x y R z usando la primera ecuación, y luego usar R z para resolver las variables en la segunda ecuación. La rotación se representa usando cuaterniones , lo que permite encontrar una solución lineal. Si bien los métodos separables son útiles, cualquier error en la estimación de las matrices de rotación se acumula al aplicarlo al vector de traslación. [ 5 ] Otras soluciones evitan este problema.

Soluciones simultáneas

Las soluciones simultáneas se basan en resolver X y Z al mismo tiempo (en lugar de basar la solución de una parte en la otra, como en las soluciones separables), lo que reduce significativamente la propagación del error. [ 6 ] Al formular las matrices como cuaterniones duales , es posible obtener una ecuación lineal mediante la cual X se puede resolver en formato lineal. [ 5 ] Una alternativa consiste en aplicar el método de mínimos cuadrados al producto de Kronecker de las matrices A⊗B . Como confirman los resultados experimentales, las soluciones simultáneas tienen menos error que las soluciones de cuaterniones separables. [ 6 ]

Soluciones iterativas

Las soluciones iterativas son otro método utilizado para resolver el problema de la propagación de errores. Un ejemplo de solución iterativa es un programa basado en la minimización de ||AX−XB|| . A medida que el programa itera, convergerá en una solución para X independiente de la orientación inicial del robot R B. Las soluciones también pueden ser procesos iterativos de dos pasos y, al igual que las soluciones simultáneas, pueden descomponer las ecuaciones en cuaterniones duales . [ 7 ] Sin embargo, si bien las soluciones iterativas al problema suelen ser simultáneas y precisas, pueden ser computacionalmente costosas y no siempre convergen en la solución óptima. [ 5 ]

El caso AX=XB

La ecuación matricial AX=XB , donde X es desconocida, tiene un número infinito de soluciones que pueden estudiarse fácilmente mediante un enfoque geométrico. [ 8 ] Para hallar X es necesario considerar un sistema simultáneo de dos ecuaciones A 1 X=XB 1 y A 2 X=XB 2 ; las matrices A 1 , A 2 , B 1 , B 2 deben determinarse mediante experimentos que deben realizarse de forma optimizada. [ 9 ]

Caso práctico del escáner de perfil láser 2D

[pagb1]=[RbTb01][RsTs01][pags1]{\displaystyle {\begin{bmatrix}p_{b}\\1\end{bmatrix}}={\begin{bmatrix}R_{b}&T_{b}\\0&1\end{bmatrix}}\centerdot {\begin{bmatrix}R_{s}&T_{s}\\0&1\end{bmatrix}}\centerdot {\begin{bmatrix}p_{s}\\1\end{bmatrix}}}

dóndepagb{\displaystyle p_{b}}representa la coordenada desconocida del puntopag{\displaystyle p}en el sistema base del robot,Rb,Tb{\displaystyle R_{b},T_{b}}representan la relación conocida entre el sistema base del robot y el efector final,Rs,Ts{\displaystyle R_{s},T_{s}}son la relación desconocida entre el efector final y el escáner, ypags{\displaystyle p_{s}}es la coordenada conocida del puntopag{\displaystyle p}en el sistema de escáner local. Los métodos son los siguientes:

  • Bordes rectos

Existe un método que utiliza reglas para la calibración mano-ojo. [ 10 ]

Referencias

  1. Amy Tabb, Khalil M. Ahmad Yousef. "Resolución del problema de calibración mano-ojo(s) en el mundo robótico con métodos iterativos." 29 de julio de 2019.
  2. Mili I. Shah, Roger D. Eastman, Tsai Hong Hong. "Una visión general de los métodos de calibración de sensores robóticos para la evaluación de sistemas de percepción." 22 de marzo de 2012
  3. ^ Huy Nguyen, Quang-Cuong Pham. "Sobre la covarianza de X en AX = XB". 12 de junio de 2017.
  4. Amy Tabb, Khalil Yousef. "Resolución del problema de calibración mano-ojo(s) en el mundo robótico con métodos iterativos." Machine Vision and Applications, agosto de 2017, volumen 28, números 5-6, págs. 569-590.
  5. 1 2 3 Mili Shah, et al. "Una visión general de los métodos de calibración de sensores robóticos para la evaluación de sistemas de percepción."
  6. 1 2 Algo Li, et al. "Calibración simultánea robot-mundo y mano-ojo usando cuaterniones duales y producto de Kronecker." International Journal of the Physical Sciences Vol. 5(10), pp. 1530-1536, 4 de septiembre de 2010.
  7. Zhiqiang Zhang, et al. "Un método computacionalmente eficiente para la calibración mano-ojo." 19 de julio de 2017.
  8. Irene Fassi, Giovanni Legnani "Calibración de la mano al sensor: una interpretación geométrica de la ecuación matricial AX =XB." Journal of Robotic Systems, 28 de julio de 2005
  9. Giovanni Legnani. "Optimización de la calibración mano-cámara mediante la interpretación geométrica de la ecuación matricial AX = XB." Revista Internacional de Robótica y Automatización - enero de 2018.
  10. Xu, Jing; Hoo, Jian Li; Dritsas, Stylianos; Fernandez, Javier Gomez (2022-02-01). "Calibración mano-ojo para escáneres de perfil láser 2D utilizando bordes rectos de objetos comunes" . Robotics and Computer-Integrated Manufacturing . 73 102221. doi : 10.1016/j.rcim.2021.102221 . ISSN 0736-5845 .