論文の概要: AnchorHEC: Targetless Hand-Eye Calibration of Wrist and Fixed Cameras

• arxiv url: http://arxiv.org/abs/2611.02884v1
• Date: Mon, 02 Nov 2026 10:19:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:39:04.513127
• Title: AnchorHEC: Targetless Hand-Eye Calibration of Wrist and Fixed Cameras
• Title（参考訳）: AnchorHEC:レンズと固定カメラの無目標ハンドアイ校正
• Abstract要約: AnchorHECは、手首と固定カメラの無目標手眼校正フレームワークである。 FK制約付き手首画像バンドル調整は、再構成されたポーズとスケールエラーの影響を低減する。 3つのバックボーンでシミュレーションのキャリブレーション誤差が86.4%減少し、71.6%が回転した。
• 参考スコア（独自算出の注目度）: 5.047550291227561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent robot systems combine wrist and fixed cameras, requiring camera-to-robot transforms for both. Most hand-eye calibration methods rely on targets or robot-body observations. Scene-based methods using 3D reconstruction require neither but address only wrist cameras. We introduce AnchorHEC, a targetless hand-eye calibration framework for wrist and fixed cameras in a single procedure using RGB images, forward kinematics (FK), and known camera intrinsics. We initialize both camera types using FK and a shared 3D foundation model reconstruction. FK-constrained wrist-image bundle adjustment reduces the impact of reconstructed pose and scale errors. If this refinement fails or retains too few inliers, we relax the constraints on potentially inaccurate FK poses and lens parameters. We use the refined wrist transform and FK to triangulate metric points and estimate fixed-camera poses. Across three backbones, calibration errors in simulation decrease by 86.4% in translation and 71.6% in rotation, averaged over both camera types, relative to reconstruction-based baselines. We also validate AnchorHEC on a physical robot. Project page: https://hwanggb.github.io/AnchorHEC/
• Abstract（参考訳）: 最近のロボットシステムは、手首と固定カメラを組み合わせて、カメラからロボットへの変換を必要としている。 ほとんどの手眼の校正法は、目標やロボットの身体観察に依存している。 3D再構成を用いたシーンベース手法は、手首カメラにのみ対応しない。 本稿では、RGB画像、フォワードキネマティクス(FK)、および既知のカメラ内在物を用いて、手首と固定カメラの標的のない校正フレームワークであるAnchorHECを紹介する。 両カメラタイプをFKと共有3Dファウンデーションモデルを用いて初期化する。 FK制約付き手首画像バンドル調整は、再構成されたポーズとスケールエラーの影響を低減する。 この改良が失敗したり、不整合が少なければ、潜在的に不正確なFKポーズとレンズパラメータの制約を緩和する。 改良された手首変換とFKを用いて計量点を三角測量し、固定カメラのポーズを推定する。 3つのバックボーンでシミュレーションのキャリブレーション誤差は86.4%減少し、回転率は71.6%となった。 また、AnchorHECを物理ロボットで検証する。 プロジェクトページ: https://hwanggb.github.io/AnchorHEC/

関連論文リスト

• OmniCalib: Target-Free, Task-Structured Self-Calibration for Humanoid Robots [8.073821380703784]
  既存の手順は1つのセンサーペアを校正するか、外部のフィデューシャルを必要とする。 オムニカリブ(OmniCalib)は、上肢全体を校正する標的のないワークフローである。 ICP法は14個の腕関節のゼロを復元し、全てのRGB-Dカメラの外装を校正する。
  論文  参考訳（メタデータ） (2026-09-17T02:10:47Z)
• From Fixed to Free Cameras: Calibration-Free View-Robust Vision-Language-Action Model [72.8641426724502]
  カメラ中心型VLA(CamVLA)は、カメラ幾何学から制御を分離する新しいVLAモデルである。 CamVLAは、さまざまな見当たらない視点での成功率を継続的に改善する。
  論文  参考訳（メタデータ） (2026-07-06T17:59:59Z)
• HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
  高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。 スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。 本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-03-25T06:54:34Z)
• Kineo: Calibration-Free Metric Motion Capture From Sparse RGB Cameras [2.6941922156574267]
  アンカロライズされていないRGBカメラで撮影したビデオから、マーカーレスモーションキャプチャーのための、完全に自動でキャリブレーションのないパイプラインであるKineoを提示する。 自信駆動型キーポイントサンプリング戦略とグラフに基づくグローバル最適化を組み合わせることで、列長に依存しない固定計算コストでロバストなキャリブレーションが保証される。 Keinoはカメラ翻訳誤差を83～85%、カメラ角誤差を86～92%、世界平均結合誤差(W-MPJPE)を83～91%削減する。
  論文  参考訳（メタデータ） (2025-10-28T14:30:47Z)
• Monocular 3D Hand Pose Estimation with Implicit Camera Alignment [9.199465050084296]
  Augmented Reality (AR)、Virtual Reality (VR)、Human-Computer Interaction (HCI)の応用における重要な問題である。 キーポイントアライメントステップと指先損失を含む2次元キーポイント入力から3次元手指関節を推定するための最適化パイプラインを提案する。 我々は,EgoDexterとDexter+Objectベンチマークに対する我々のアプローチを評価し,最先端技術と競合することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:45:22Z)
• Kalib: Easy Hand-Eye Calibration with Reference Point Tracking [52.4190876409222]
  カリブ (Kalib) は、視覚基礎モデルの一般化性を利用して課題を克服する手眼自動校正法である。 校正中は、ロボットの後ろの空間内のカメラ座標3D座標に運動基準点を追跡する。 Kalibのユーザフレンドリな設計と最小限のセットアップ要件により、非構造化環境での継続的操作のソリューションとなり得る。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
  モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。 W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。 また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-29T09:02:07Z)
• SPEC: Seeing People in the Wild with an Estimated Camera [64.85791231401684]
  1枚の画像から視点カメラを推定する最初の3DHPS方式であるSPECを紹介する。 我々は、視野、カメラピッチ、入力画像のロールを推定するためにニューラルネットワークを訓練する。 次に、カメラキャリブレーションを画像の特徴に合わせてロールする新しいネットワークをトレーニングし、これらを組み合わせて3Dのボディ形状とポーズを復元する。
  論文  参考訳（メタデータ） (2021-10-01T19:05:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。