La calibración es uno de los problemas más relevantes en el mundo de la robótica. A través de ella, se puede establecer una correspondencia precisa entre el modelo matemático del robot y su comportamiento real en el entorno físico. En este proyecto se propone un método de calibración cinemática, basado en redundancia perceptiva. Este proyecto se ve motivado por la técnica utilizada en fotogrametría denominada bundle adjustment. La propuesta consiste en un método de calibración auto-contenido, que se basa en utilizar múltiples observaciones simultáneas de un mismo objeto del entorno, obtenidas desde diferentes cámaras montadas en el propio robot. Dichas observaciones se utilizan para estimar los parámetros del modelo cinemático y mejorar la estimación de las posiciones relativas de las diferentes partes del robot. Para esto, se desarrolla un nodo de calibración implementado en Python, sobre el framework Robot Operating System, el cual obtiene las posiciones de los objetos en el mundo, procesa dicha información, y posteriormente realiza la optimización. Esta optimización se logra modelando el problema como uno de mínimos cuadrados no lineales, el cual es resuelto utilizando un método iterativo de regiones de confianza. El método propuesto se valida experimentalmente utilizando un brazo robótico, montado con dos cámaras estéreo con percepción espacial, las cuales junto con un sistema de visión artificial, se utilizan para la identificación de los objetos. El método descrito en esta investigación además de mejorar significativamente la precisión del robot a la hora de interactuar con los objetos del entorno, propone un enfoque simple y de menor costo comparado con otros métodos hallados en el relevamiento bibliográfico.