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。
十分に変化に富み、さまざまな視角を提供する
一部の関節だけでなく、すべての関節にわたって分散されている
No duplicate or near-duplicate robot poses
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。
最終アプリケーションと同じロボット構成を使用する（例：ピッキング時に使用される構成）
アプリケーションと同じ作業領域内（例：ピッキングが行われるビン付近）
キャリブレーション対象物の可視性
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。
注意
If using ArUco markers as calibration objects, not all the markers need to be fully visible in the FOV of the camera in every robot pose. However, the more markers are visible, the better the detection and calibration results will be. Also, a marker that is consistently occluded across many poses, for example by mounting hardware, can make the residuals large or invalid. Inspect which marker IDs are detected pose by pose rather than relying only on the aggregate result.
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。
データセットの取得
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 カメラをウォームアップする
Infield Correction を実行する
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。
If you are having trouble capturing good quality point clouds, check How to get Good Quality Data on Zivid Calibration Object. Otherwise, continue to ハンドアイキャリブレーションに関する注意事項と推奨事項.