ハンドアイキャリブレーションに適したデータセットを取得する方法

高品質なハンドアイキャリブレーションは、収集するデータセットに大きく依存します。正確な結果を得るためには、良質なデータを収集することが不可欠です。なぜなら、キャリブレーションの品質は完全にユーザーの技量に左右されるからです。

信頼性の高いキャリブレーションを行うためには、ロボットの姿勢データと点群データを10～20組収集することをお勧めします。

ロボットの姿勢に関する要件

カメラがキャリブレーション対象物を撮影する際に使用するロボットの姿勢は以下のとおりです。

これにより、幅広い視点の多様性が確保されます。以下の画像は、eye-to-hand および eye-in-hand の両方のセットアップに必要な姿勢のバリエーションを示しています。

注釈

Zivid の点群データはミリメートル（mm）単位で提供されるため、ハンドアイキャリブレーション用のロボット入力姿勢も、移動量に mm を使用するようにしてください。

Eye-in-hand

Eye-to-hand

可能であれば、ロボットの姿勢は以下のとおりであるべきです。

キャリブレーションオブジェクトは、カメラの視野内に十分に露出され、完全に視認できる必要があります。可能であれば、ボードをカメラの FOV の中央にできるだけ配置してください。データを取得する際は、カメラの撮像範囲を考慮してください。

注釈

ArUco マーカーをキャリブレーション対象として使用する場合、ロボットのあらゆる姿勢において、すべてのマーカーがカメラの FOV 内に完全に収まる必要はありません。ただし、マーカーの収まる数が多いほど、検出およびキャリブレーションの結果は良好になります。

以下の画像は、カメラから見たキャリブレーション対象物を示しています。

ハンドアイキャリブレーションを実行する直前：

ウォームアップ、 Infield Correction 、およびハンドアイキャリブレーションの際、アプリケーションと同じキャプチャサイクルを使用してください。弊社の Hand-Eye GUI を使用すると、このプロセスが簡単になります。

温度に依存する性能要因の影響をさらに軽減するには、 Thermal Stabilization が有効になっていることを確認してください。

Tip

独自のデータセットを使用せずに Zivid のハンドアイキャリブレーションをテストしたい場合は、 Hand-Eye Calibration Sample Dataset を使用できます。