当前的机器人校准技术依赖于专门的设备和经过专门培训的人员。为了克服这个问题，最近发表在arXiv.org上的一篇论文提出了一个框架，该框架允许对配备任意眼在手3D传感器的机器人系统进行真正的现场自校准。它使用点云配准技术来融合给定场景的多次扫描。

所提出的方法是第一个可以仅依靠深度数据而不是外部工具和对象来解决整个机器人系统校准的方法。该方法适用于任何运动链和深度传感器组合，例如单光束激光雷达、线扫描仪和深度相机。

在各种硬件配置上对多个真实世界场景的评估表明，所达到的精度与使用传统方法和专用3D跟踪系统所达到的精度相似。

几十年来，机器人和手眼校准都是研究的对象。虽然目前的方法能够精确和稳健地识别机器人运动模型的参数，但它们仍然依赖于外部设备，例如校准对象、标记和/或外部传感器。本文没有尝试将记录的测量值拟合到已知物体的模型，而是将机器人校准视为离线SLAM问题，其中扫描姿势通过移动的运动链链接到空间中的固定点。因此，所提出的框架允许机器人校准只使用任意的手眼深度传感器，从而无需任何外部工具即可实现完全自主的自我校准。我的新方法是利用迭代最近点算法的修改版本对多个3D记录运行捆绑调整，以估计运动模型的最佳参数。该系统的详细评估显示在带有各种附加3D传感器的真实机器人上。所呈现的结果表明，该系统可以达到与专用外部跟踪系统相当的精度，而成本只是其一小部分。