手眼标定
本文介绍了一种新的基于凸优化的手眼标定方法，该方法能够在传感器不能观测到其中一个方向的尺度的情况下，提供可验证的全局最优解，并且在合成数据实验中证明了算法的最优性和速度。
May, 2020
本文提出了一种新的灵活的手眼标定方法，结合运动估计技术和已知机器人运动，通过线性形式求解手眼参数和结构运动方法中的未知比例因子。该方法适用于无人驾驶车辆、远程工作机器人等领域，并通过与现有方法的对比实验验证了其优越性。
Nov, 2023
在工业场景中，人机协作依赖于多摄像头系统来监控人工操作员，尽管机器人工作区域通常会出现遮挡。本文介绍了一种创新且强大的多摄像头手眼标定方法，旨在优化每个摄像头与机器人基坐标系以及其他摄像头之间的姿态，通过全面的实验证明了该方法优于现有技术的表现，即使只使用不到 10 张图像，并且公开发布了我们的多摄像头手眼标定算法的开源版本。
Jun, 2024
我们提出了一种基于神经网络的手眼校准方法，在机器人辅助微创手术中，从一系列图像和运动学数据估计变换，这显著简化了校准过程。该方法基于长短期记忆架构来从数据中提取时序信息，并利用线性组合的目标函数，包括运动远心点约束、重投影误差及其导数，以在手眼变换中引入微小变化。该方法通过 da Vinci Si 数据的验证 ，结果显示，估计的手眼矩阵能够在测试数据集中将末端执行器从机器人坐标重投影到相机坐标，精度均在 10 到 20 个像素以内。
Jun, 2023
本文提出了一种使用双四元数的最小二乘形式来解决手眼标定问题的方法，并介绍了基于问题的解析特性的有效算法，避免了非线性优化以及在成本函数中考虑先验附加项的方法。
Feb, 2020
该研究提出了一种低成本无需昂贵传感器，即可通过学习眼手协调和点对齐能力的方法解决机器人精密操作任务的算法 Binocular Alignment Learning，该算法在仿真和实际机器人测试中都达到了良好的性能。
May, 2022
本研究提供了两种新方法来估计相机和全局姿态传感器之间的准确可靠的时空校准参数。第一种是高精度和一致性的离线基于目标的方法，通过同时优化时空参数、摄像机内参和轨迹。第二种是无需标定目标的在线方法，实现了估计时空参数的时变性，并进行了详细的可观测性分析，从而为校准提供了可解释的指导原则。最后，通过手持实际数据集的评估，验证了两种方法的准确性和一致性，这些数据集在传统手眼校准方法中无法工作。
Mar, 2024
EasyHeC 是一种新的手眼标定方法，采用无标记，白盒的方法，通过可微分渲染的摄像头姿态优化和基于一致性的关节空间探索，能够准确优化标定过程，消除手动设计机器人关节姿势的繁琐过程。通过在合成和真实的数据集上进行评估，EasyHeC 表现出优异的性能，提供精确的摄像机姿态，增强下游的操作任务。
May, 2023
通过深入探讨矫正单应性概念，我们提出了一种新的多景深摄像机在线自校准算法，并引入了一种全局最优外参估计的简单而有效的解决方案，并且提出了四个新的评估指标来度量外参估计的鲁棒性和准确性，在室内外环境使用不同实验设置进行的广泛实验证明了我们提出的算法的有效性，并在与基准算法的比较中展示了其卓越性能。
Sep, 2023
相机标定是估计内参和外参参数的过程，本文提出了一种基于几何约束的损失函数来测量相机参数，并通过神经网络学习框架进行优化，实验结果表明，在合成和实际数据集上，相比最先进的基准模型，我们的方法在所有参数上都有所改进。
Feb, 2024