Estimación de pose por filtrado complementario de marcadores y odometría
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13724Palabras clave:
Filtrado y suavizado, Estimación y filtrado, Percepción y sensores en robótica, Estimación robusta, Cooperación e integración humano-máquinaResumen
La estimación precisa de la pose de objetos rígidos constituye un requisito fundamental en robótica guiada por visión. En configuraciones eye-in-hand las estimaciones obtenidas mediante Perspective-n-Point (PnP) a partir de marcadores visuales presentan ruido entre fotogramas.
Se propone un método recursivo que combina observaciones de marcadores ArUco con la odometría del manipulador. La odometría reexpresa las observaciones en el sistema de coordenadas de la base del robot, donde el objeto permanece estático, y sobre ellas se aplica una media móvil exponencial (EWMA) robusta formulada en el grupo de Lie SE(3). El método incorpora un peso de Huber dependiente del estado y un peso derivado del error de reproyección del PnP para modelar la fiabilidad de cada observación.
La validación experimental emplea un brazo robótico con cámara monocular que observa un objeto estático con marcadores ArUco. Los resultados muestran una reducción significativa del error relativo de pose y del jitter temporal frente a PnP directo y variantes EWMA sin ponderación robusta.
Referencias
Chaumette, F., Hutchinson, S., 2006. Visual servo control. i. basic approaches. IEEE Robotics & Automation Magazine 13 (4), 82–90. DOI: 10.1109/MRA.2006.250573
García-Ruiz, P., Romero-Ramirez, F. J., Muñoz-Salinas, R., Marín-Jiménez, M. J., Medina-Carnicer, R., 2023. Fiducial objects: Custom design and evaluation. Sensors 23 (24). DOI: 10.3390/s23249649
Garrido-Jurado, S., Muñoz-Salinas, R., Madrid-Cuevas, F., Marín-Jiménez, M., 2014. Automatic generation and detection of highly reliable fiducial markers under occlusion. Pattern Recognition 47 (6), 2280–2292. DOI: 10.1016/j.patcog.2014.01.005
Goodrich, M. A., Schultz, A. C., Jan. 2007. Human-robot interaction: a survey. Found. Trends Hum.-Comput. Interact. 1 (3), 203–275. DOI: 10.1561/1100000005
Hartley, R., Trumpf, J., Dai, Y., Li, H., 2013. Rotation averaging. International Journal of Computer Vision 103 (3), 267–305. DOI: 10.1007/s11263-012-0601-0
Huber, P. J., 1964. Robust estimation of a location parameter. The Annals of Mathematical Statistics 35 (1), 73–101. DOI: 10.1214/aoms/1177703732
Kam, H. C., Yu, Y. K., Wong, K. H., 2018. An improvement on ArUco marker for pose tracking using kalman filter. In: 2018 19th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD). pp. 65–69. DOI: 10.1109/SNPD.2018.8441049
Karcher, H., 1977. Riemannian center of mass and mollifier smoothing. Communications on Pure and Applied Mathematics 30 (5), 509–541. DOI: 10.1002/cpa.3160300502
Kim, D., Bong, J. H., Jeong, S., 2024. Enhancing pose estimation using multiple graphical markers with spatial and temporal outlier detection. Applied Sciences 14 (22). DOI: 10.3390/app142210225
Labbé, Y., Manuelli, L., Mousavian, A., Tyree, S., Birchfield, S., Tremblay, J., Carpentier, J., Aubry, M., Fox, D., Sivic, J., 2022. Megapose: 6d pose estimation of novel objects via render & compare. In: Proceedings of the 6th Conference on Robot Learning (CoRL).
Lepetit, V., Moreno-Noguer, F., Fua, P., Feb. 2009. Epnp: An accurate o(n) solution to the pnp problem. Int. J. Comput. Vision 81 (2), 155–166. DOI: 10.1007/s11263-008-0152-6
Marchand, E., Uchiyama, H., Spindler, F., 2016. Pose estimation for augmented reality: A hands-on survey. IEEE Transactions on Visualization and Computer Graphics 22 (12), 2633–2651. DOI: 10.1109/TVCG.2015.2513408
Solà, J., Deray, J., Atchuthan, D., 2018. A micro Lie theory for state estimation in robotics. ArXiv:1812.01537.
Terzakis, G., Lourakis, M., 2020. A consistently fast and globally optimal solution to the perspective-n-point problem. In: ECCV 2020: 16th European Conference, Glasgow, UK, August 23–28, 2020, Proceedings, Part I. Springer-Verlag, pp. 478–494. DOI: 10.1007/978-3-030-58452-8 28
Tsai, R., Lenz, R., 1989. A new technique for fully autonomous and efficient 3D robotics hand/eye calibration. IEEE Transactions on Robotics and Automation 5 (3), 345–358. DOI: 10.1109/70.34770
Zhang, Z., Scaramuzza, D., 2018. A tutorial on quantitative trajectory evaluation for visual(-inertial) odometry. In: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). pp. 7244–7251. DOI: 10.1109/IROS.2018.8593941
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Victor Quesada Conejero, Fran Real, Sergio Garrido-Jurado
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
