論文の概要: SensorX2car: Sensors-to-car calibration for autonomous driving in road
scenarios
- arxiv url: http://arxiv.org/abs/2301.07279v1
- Date: Wed, 18 Jan 2023 02:58:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 17:05:09.337230
- Title: SensorX2car: Sensors-to-car calibration for autonomous driving in road
scenarios
- Title（参考訳）: sensorx2car: 道路シナリオにおける自動運転のためのセンサツーカーキャリブレーション
- Authors: Guohang Yan, Zhaotong Luo, Zhuochun Liu and Yikang Li
- Abstract要約: SensorX2carは、道路シーンにおけるセンサー間座標システムのオンライン校正のための校正ツールボックスである。
IMU (Inertial Measurement Unit)、LiDAR (Light Detection and Ranging)、カメラ、ミリ波レーダーである。
- 参考スコア（独自算出の注目度）: 2.5680214354539803
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The performance of sensors in the autonomous driving system is fundamentally
limited by the quality of sensor calibration. Sensors must be well-located with
respect to the car-body frame before they can provide meaningful localization
and environmental perception. However, while many online methods are proposed
to calibrate the extrinsic parameters between sensors, few studies focus on the
calibration between sensor and vehicle coordinate system. To this end, we
present SensorX2car, a calibration toolbox for the online calibration of
sensor-to-car coordinate systems in road scenes. It contains four commonly used
sensors: IMU (Inertial Measurement Unit), GNSS (Global Navigation Satellite
System), LiDAR (Light Detection and Ranging), Camera, and millimeter-wave
Radar. We design a method for each sensor respectively and mainly calibrate its
rotation to the car-body. Real-world and simulated experiments demonstrate the
accuracy and generalization capabilities of the proposed method. Meanwhile, the
related codes have been open-sourced to benefit the community. To the best of
our knowledge, SensorX2car is the first open-source sensor-to-car calibration
toolbox. The code is available at https://github.com/OpenCalib/SensorX2car.
- Abstract（参考訳）: 自律運転システムにおけるセンサの性能は、センサキャリブレーションの品質によって根本的に制限される。
センサーは、意味のある位置化と環境認識を提供する前に、車体フレームに対して十分に位置決めされなければならない。
しかし,センサ間の過渡パラメータを校正するためのオンライン手法が多数提案されているが,センサと車両座標系の校正に着目した研究は少ない。
そこで本研究では,道路シーンにおけるセンサ対車座標のオンライン校正を行うための校正ツールボックスであるsensorx2carを提案する。
IMU (Inertial Measurement Unit)、GNSS (Global Navigation Satellite System)、LiDAR (Light Detection and Ranging)、カメラ、ミリ波レーダーである。
本研究では,各センサの回転を車体に調整する手法を設計する。
実世界のシミュレーション実験により,提案手法の精度と一般化能力を示す。
一方、関連するコードはコミュニティに利益をもたらすためにオープンソース化されている。
私たちの知る限りでは、sensorx2carは最初のオープンソースのセンサーから車へのキャリブレーションツールボックスです。
コードはhttps://github.com/OpenCalib/SensorX2car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 [10.958143040692141]
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 Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。
本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。
実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文 参考訳（メタデータ） (2023-06-23T07:01:10Z) - Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。
3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
論文 参考訳（メタデータ） (2023-05-12T18:08:51Z) - Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
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。
論文 参考訳（メタデータ） (2022-08-08T07:25:03Z) - 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) - OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving [18.730982742815073]
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。
論文 参考訳（メタデータ） (2022-05-27T16:37:12Z) - 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) - Real-time multiview data fusion for object tracking with RGBD sensors [4.68299658663016]
本稿では,赤緑色深度カメラ(RGBD)のマルチビュー設定により,移動体を正確に追跡する新しい手法を提案する。
まず,装着時に深度センサに発生する変化を除去する補正法を提案する。
次に,未知の車両動作を補正するセンサワイズフィルタリングシステムを提案する。
論文 参考訳（メタデータ） (2021-10-28T09:24:49Z) - 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) - 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。