論文の概要: Spatiotemporal Camera-LiDAR Calibration: A Targetless and Structureless Approach

• arxiv url: http://arxiv.org/abs/2001.06175v1
• Date: Fri, 17 Jan 2020 07:25:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 12:55:03.935610
• Title: Spatiotemporal Camera-LiDAR Calibration: A Targetless and Structureless Approach
• Title（参考訳）: 時空間カメラライダーキャリブレーション:ターゲットレス・構造レスアプローチ
• Authors: Chanoh Park, Peyman Moghadam, Soohwan Kim, Sridha Sridharan, Clinton Fookes
• Abstract要約: ターゲットレスで構造のないカメラ-DARキャリブレーション法を提案する。 本手法は, 時間的パラメータの初期調整を必要としないような, 閉形式解と非構造束を結合する。 提案手法の精度とロバスト性をシミュレーションおよび実データ実験により実証する。
• 参考スコア（独自算出の注目度）: 32.15405927679048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The demand for multimodal sensing systems for robotics is growing due to the increase in robustness, reliability and accuracy offered by these systems. These systems also need to be spatially and temporally co-registered to be effective. In this paper, we propose a targetless and structureless spatiotemporal camera-LiDAR calibration method. Our method combines a closed-form solution with a modified structureless bundle adjustment where the coarse-to-fine approach does not {require} an initial guess on the spatiotemporal parameters. Also, as 3D features (structure) are calculated from triangulation only, there is no need to have a calibration target or to match 2D features with the 3D point cloud which provides flexibility in the calibration process and sensor configuration. We demonstrate the accuracy and robustness of the proposed method through both simulation and real data experiments using multiple sensor payload configurations mounted to hand-held, aerial and legged robot systems. Also, qualitative results are given in the form of a colorized point cloud visualization.
• Abstract（参考訳）: ロボット工学におけるマルチモーダルセンシングシステムの需要は、これらのシステムが提供する堅牢性、信頼性、精度の増大により増大している。 これらのシステムは、効果的であるためには空間的かつ時間的に共存する必要がある。 本稿では,ターゲットレスかつ構造のない時空間カメラ-LiDARキャリブレーション法を提案する。 本手法は, 閉形式解と構造のないバンドル調整を組み合わせることで, 時空間パラメータの初期推定値を求めない方法である。 また、3d特徴(構造)は三角測量のみから計算されるため、キャリブレーション対象を持つ必要はなく、2d特徴とキャリブレーションプロセスやセンサ構成の柔軟性を提供する3d点クラウドとのマッチングも不要である。 ハンドヘルド型,空中型,脚型ロボットシステムに搭載された複数のセンサペイロード構成を用いて,シミュレーションおよび実データ実験により提案手法の精度と堅牢性を示す。 また、定性的結果は、色付き点雲可視化の形で与えられる。

関連論文リスト

• Neural Real-Time Recalibration for Infrared Multi-Camera Systems [2.249916681499244]
  赤外線マルチカメラシステムのリアルタイム再校正には、学習のない、あるいはニューラルネットワーク技術は存在しない。 動的リアルタイムキャリブレーションが可能なニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-10-18T14:37:37Z)
• 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
  我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。 学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2024-07-08T17:59:54Z)
• Joint Spatial-Temporal Calibration for Camera and Global Pose Sensor [0.4143603294943439]
  ロボット工学において、モーションキャプチャシステムはローカライズアルゴリズムの精度を測定するために広く利用されている。 これらの機能は、カメラとグローバルポーズセンサーの間で正確で信頼性の高い時空間キャリブレーションパラメータを必要とする。 本研究では,これらのキャリブレーションパラメータを推定する新しい2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-03-01T20:56:14Z)
• P2O-Calib: Camera-LiDAR Calibration Using Point-Pair Spatial Occlusion Relationship [1.6921147361216515]
  本研究では,3次元空間における閉塞関係を用いた2次元3次元エッジポイント抽出に基づく新たなターゲットレスキャリブレーション手法を提案する。 本手法は,高画質カメラ-LiDARキャリブレーションによる実用的応用に寄与する,低誤差かつ高ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-11-04T14:32:55Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Global Unifying Intrinsic Calibration for Spinning and Solid-State LiDARs [1.6252896527001484]
  スピンおよび固体LiDARの新しいキャリブレーションモデルを提案する。 提案モデルが適切に向き付けされた4つの対象に対して十分に制約された(一意の答えを持つ)ことを数学的に証明する。 スピンリングLiDARにおいて,提案した行列Lie GroupモデルがP2P距離を低減しつつ,ノイズに対してより頑健であることを示す実験データを用いて実験を行った。
  論文  参考訳（メタデータ） (2020-12-06T16:55:58Z)
• ACSC: Automatic Calibration for Non-repetitive Scanning Solid-State LiDAR and Camera Systems [11.787271829250805]
  Solid-State LiDAR(SSL)は、環境から3Dポイントクラウドを低コストで効率的に取得することを可能にする。 非繰り返し走査型SSLとカメラシステムのための完全自動校正法を提案する。 実環境下でのLiDARとカメラセンサの組み合わせについて検討した。
  論文  参考訳（メタデータ） (2020-11-17T09:11:28Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
  パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。 Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。 本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
  論文  参考訳（メタデータ） (2020-07-30T09:21:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。