arXiv · cs.RO· Zhengdong Hong·· 20 小时前精选AI 评分70
SyncHeC: 基于可微分渲染和连续时间联合优化实现无标记时空手眼标定
SyncHeC: Markerless Spatio-Temporal Hand-Eye Calibration via Differentiable Rendering and Continuous-Time Joint Optimization
AI 导读
Zhengdong Hong提出SyncHeC框架，通过可微分渲染和连续时间联合优化，在单个机器人轨迹上同时估计相机几何和时间偏移。在7自由度机械臂上，6.5秒运动实现0.21厘米平移误差和2.7毫秒延迟误差，相比CM-Calib方法精度提升3.7倍和2.3倍。补偿恢复的时间偏移使六类任务的成功率提高8.1个百分点。
推荐理由
无标记手眼标定通过可微分渲染和连续时间联合优化实现，精度提升3.7倍，任务成功率提高8.1个百分点。
来源：arXiv · cs.RO · arxiv.org