Estimación de pose por filtrado complementario de marcadores y odometría

• Quesada Conejero, Víctor ^[1] ; Real, Fran ^[2] ; Garrido Jurado, Sergio ^[2]
  1. [1] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     
  2. [2] Seabery R&D
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 47, 2026
• Idioma: español
• Títulos paralelos:
  • Pose Estimation via Complementary Filtering of Markers and Odometry
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    Accurate estimation of rigid object pose is a fundamental requirement in vision-based robotic. In eye-in-hand configurations, estimates obtained through Perspective-n-Point (PnP) from visual markers exhibit frame-to-frame noise.

     We propose a recursive method that combines visual observations of ArUco markers with the robot odometry. The odometry transform the observations into the robot base coordinate frame, where the object remains static, and a robust exponential weighted moving average (EWMA) formulated on the Lie group SE(3) is applied to them. The method incorporates a state-dependent Huber weighting term and a reprojection error-based weight from PnP to model the reliability of each observation.

    Experimental validation is carried out using a robotic arm with a monocular camera observing a static object with ArUco markers. The results show a significant reduction in relative pose error and temporal jitter compared to direct PnP and EWMA variants without robust weighting.