論文の概要: OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2205.14087v2
- Date: Mon, 30 May 2022 04:28:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 11:39:15.600282
- Title: OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving
- Title(参考訳): OpenCalib: 自動運転のためのマルチセンサキャリブレーションツールボックス
- Authors: Guohang Yan, Liu Zhuochun, Chengjie Wang, Chunlei Shi, Pengjin Wei,
Xinyu Cai, Tao Ma, Zhizheng Liu, Zebin Zhong, Yuqian Liu, Ming Zhao, Zheng
Ma, Yikang Li
- Abstract要約: 各種センサキャリブレーション手法の豊富なセットを含む校正ツールボックスOpenCalibを提案する。
OpenCalibは、手動キャリブレーションツール、自動キャリブレーションツール、ファクトリキャリブレーションツール、さまざまなアプリケーションシナリオ用のオンラインキャリブレーションツールをカバーしている。
私たちの知る限り、これは自動運転関連のキャリブレーションアプローチの完全なセットを含む、初めてのオープンソースキャリブレーションです。
- 参考スコア(独自算出の注目度): 18.730982742815073
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate sensor calibration is a prerequisite for multi-sensor perception and
localization systems for autonomous vehicles. The intrinsic parameter
calibration of the sensor is to obtain the mapping relationship inside the
sensor, and the extrinsic parameter calibration is to transform two or more
sensors into a unified spatial coordinate system. Most sensors need to be
calibrated after installation to ensure the accuracy of sensor measurements. To
this end, we present OpenCalib, a calibration toolbox that contains a rich set
of various sensor calibration methods. OpenCalib covers manual calibration
tools, automatic calibration tools, factory calibration tools, and online
calibration tools for different application scenarios. At the same time, to
evaluate the calibration accuracy and subsequently improve the accuracy of the
calibration algorithm, we released a corresponding benchmark dataset. This
paper introduces various features and calibration methods of this toolbox. To
our knowledge, this is the first open-sourced calibration codebase containing
the full set of autonomous-driving-related calibration approaches in this area.
We wish that the toolbox could be helpful to autonomous driving researchers. We
have open-sourced our code on GitHub to benefit the community. Code is
available at https://github.com/PJLab-ADG/SensorsCalibration.
- Abstract(参考訳): 正確なセンサーキャリブレーションは、自動運転車のマルチセンサー認識およびローカライゼーションシステムに必須である。
センサの内在パラメータキャリブレーションはセンサ内部のマッピング関係を得るためのものであり、外在パラメータキャリブレーションは2つ以上のセンサを統一された空間座標系に変換するためのものである。
ほとんどのセンサーは、センサー測定の精度を確保するために設置後に調整する必要がある。
この目的のために,様々なセンサキャリブレーション手法の豊富なセットを含む校正ツールボックスOpenCalibを提案する。
OpenCalibは、手動キャリブレーションツール、自動キャリブレーションツール、ファクトリキャリブレーションツール、さまざまなアプリケーションシナリオ用のオンラインキャリブレーションツールをカバーしている。
同時に,キャリブレーション精度を評価し,キャリブレーションアルゴリズムの精度を向上させるため,対応するベンチマークデータセットを作成した。
本稿では,このツールボックスの特徴とキャリブレーション方法を紹介する。
私たちの知る限り、この領域における自動運転関連のキャリブレーションアプローチの完全なセットを含む、初めてのオープンソースのキャリブレーションコードベースです。
このツールボックスが、自動運転研究者に役立つことを願っています。
コミュニティに利益をもたらすため、GitHubでコードをオープンソースにしています。
コードはhttps://github.com/PJLab-ADG/SensorsCalibration.comで入手できる。
関連論文リスト
- SOAC: Spatio-Temporal Overlap-Aware Multi-Sensor Calibration using
Neural Radiance Fields [5.113388730604524]
自律運転のような急速に進化する領域では、動作精度と安定性を確保するために、異なるモードの複数のセンサーを使用することが不可欠である。
各センサが提供した情報を単一の共通フレームで正確に活用するためには、これらのセンサを正確に校正することが不可欠である。
我々は、共通の表現において異なるモダリティを表現するために、ニューラルラジアンス場(Neural Radiance Fields)の能力を利用する。
論文 参考訳(メタデータ) (2023-11-27T13:25:47Z) - Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。
本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。
我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
論文 参考訳(メタデータ) (2023-04-21T08:50:52Z) - TrajMatch: Towards Automatic Spatio-temporal Calibration for Roadside
LiDARs through Trajectory Matching [12.980324010888664]
我々は,道路沿いのLiDARを時間と空間の両方で自動調整できる最初のシステムであるTrajMatchを提案する。
実験の結果,TrajMatchは空間キャリブレーション誤差が10cm未満であり,時間キャリブレーション誤差が1.5ms未満であることがわかった。
論文 参考訳(メタデータ) (2023-02-04T12:27:01Z) - SensorX2car: Sensors-to-car calibration for autonomous driving in road
scenarios [2.5680214354539803]
本稿では,画像特徴,3次元LiDAR点,カメラ/INS分解ポーズ,レーダ速度の4つのセンサに対して,より一般的なキャリブレーション手法を提案する。
我々は、通常運転中のセンサから車への回転を数分で調整する4つの手法を設計し、SensorX2carというツールボックスを構築した。
われわれの知る限りでは、SensorX2carは最初のオープンソースのセンサー・ツー・カー・キャリブレーション・ツールボックスだ。
論文 参考訳(メタデータ) (2023-01-18T02:58:39Z) - CROON: Automatic Multi-LiDAR Calibration and Refinement Method in Road
Scene [15.054452813705112]
CROON(AutomatiC multi-LiDAR CalibratiOn and Refinement method in rOad sceNe)は、粗さと精細度校正を含む2段階法である。
実世界のデータセットとシミュレーションデータセットの結果から,本手法の信頼性と精度が示された。
論文 参考訳(メタデータ) (2022-03-07T07:36:31Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳(メタデータ) (2021-02-22T07:22:12Z) - 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) - 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) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳(メタデータ) (2020-05-24T10:32:49Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳(メタデータ) (2020-03-23T10:51:32Z)
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。