論文の概要: Extrinsic Camera Calibration with Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2208.03949v1
• Date: Mon, 8 Aug 2022 07:25:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:32:45.872018
• Title: Extrinsic Camera Calibration with Semantic Segmentation
• Title（参考訳）: セマンティックセグメンテーションによる外部カメラ校正
• Authors: Alexander Tsaregorodtsev, Johannes M\"uller, Jan Strohbeck, Martin Herrmann, Michael Buchholz, Vasileios Belagiannis
• Abstract要約: 本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。 われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。 シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
• 参考スコア（独自算出の注目度）: 60.330549990863624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular camera sensors are vital to intelligent vehicle operation and automated driving assistance and are also heavily employed in traffic control infrastructure. Calibrating the monocular camera, though, is time-consuming and often requires significant manual intervention. In this work, we present an extrinsic camera calibration approach that automatizes the parameter estimation by utilizing semantic segmentation information from images and point clouds. Our approach relies on a coarse initial measurement of the camera pose and builds on lidar sensors mounted on a vehicle with high-precision localization to capture a point cloud of the camera environment. Afterward, a mapping between the camera and world coordinate spaces is obtained by performing a lidar-to-camera registration of the semantically segmented sensor data. We evaluate our method on simulated and real-world data to demonstrate low error measurements in the calibration results. Our approach is suitable for infrastructure sensors as well as vehicle sensors, while it does not require motion of the camera platform.
• Abstract（参考訳）: モノクラーカメラセンサーは、インテリジェントな車両操作と自動運転支援に不可欠であり、交通制御インフラにも多用されている。 しかし、モノクロカメラのキャリブレーションには時間がかかり、しばしば手動操作が必要となる。 本研究では,画像や点雲からのセマンティックセグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。 当社のアプローチでは,カメラのポーズを粗い初期測定し,高精度な位置決め機能を備えたlidarセンサを用いてカメラ環境のポイントクラウドをキャプチャする。 その後、セマンティックセグメンテーションされたセンサデータのライダー対カメラ登録を行うことにより、カメラと世界座標空間とのマッピングを得る。 シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。 当社のアプローチは,車載センサだけでなくインフラストラクチャセンサにも適していますが,カメラプラットフォームの動作は必要ありません。

関連論文リスト

• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• Toward Planet-Wide Traffic Camera Calibration [20.69039245275091]
  本稿では,道路レベルの画像を用いて距離3Dモデルを再構成し,Wild トラフィックカメラの正確な校正を容易にするフレームワークを提案する。 特に,本フレームワークは,100台以上のグローバル交通カメラの3次元シーン再構成と正確な位置推定を実現する。 評価のために,20台のフルキャリブレーションされたトラヒックカメラのデータセットを導入し,既存の自動キャリブレーション技術に対する提案手法の大幅な拡張を実証した。
  論文  参考訳（メタデータ） (2023-11-06T23:01:02Z)
• Homography Estimation in Complex Topological Scenes [6.023710971800605]
  監視ビデオや画像は、交通分析から犯罪検出まで、幅広い用途に使用されている。 外部カメラキャリブレーションデータは、ほとんどの分析アプリケーションにとって重要である。 本稿では,任意のカメラ設定に関する事前知識を必要としない辞書ベースのアプローチを活用した自動カメラ校正プロセスを提案する。
  論文  参考訳（メタデータ） (2023-08-02T11:31:43Z)
• End-to-End Lidar-Camera Self-Calibration for Autonomous Vehicles [0.0]
  CaLiCaはLidarとピンホールカメラのためのエンドツーエンドの自己校正ネットワークである。 我々は1パスの推論で0.028ピクセルの再投影誤差で0.154デグと0.059mの精度を達成した。
  論文  参考訳（メタデータ） (2023-04-24T19:44:23Z)
• SceneCalib: Automatic Targetless Calibration of Cameras and Lidars in Autonomous Driving [10.517099201352414]
  SceneCalibは、複数のカメラとライダーセンサーを含むシステムにおいて、外在パラメータと内在パラメータを同時に自己校正する新しい方法である。 我々は,カメラ画像とライダー点雲との明示的な対応を必要としない完全自動方式で問題を解決する。
  論文  参考訳（メタデータ） (2023-04-11T23:02:16Z)
• Lasers to Events: Automatic Extrinsic Calibration of Lidars and Event Cameras [67.84498757689776]
  本稿では,イベントカメラとライダーの直接校正法について述べる。 フレームベースのカメラインターミディエートおよび/または高精度の手測定への依存を除去する。
  論文  参考訳（メタデータ） (2022-07-03T11:05:45Z)
• A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception [164.93739293097605]
  本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。 我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
  論文  参考訳（メタデータ） (2022-03-04T22:16:50Z)
• 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)

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。