論文の概要: MOISST: Multi-modal Optimization of Implicit Scene for SpatioTemporal calibration

• arxiv url: http://arxiv.org/abs/2303.03056v2
• Date: Tue, 7 Mar 2023 13:31:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 11:51:36.019614
• Title: MOISST: Multi-modal Optimization of Implicit Scene for SpatioTemporal calibration
• Title（参考訳）: MOISST:時空間キャリブレーションのための不規則シーンのマルチモーダル最適化
• Authors: Quentin Herau, Nathan Piasco, Moussab Bennehar, Luis Rold\~ao, Dzmitry Tsishkou, Cyrille Migniot, Pascal Vasseur and C\'edric Demonceaux
• Abstract要約: コンピュータグラフィックスと暗黙のボリュームシーン表現の最近の進歩を利用して、マルチセンサ空間と時間的キャリブレーションの問題に取り組む。 本手法は,非制御・非構造都市環境におけるデータからの高精度でロバストなキャリブレーションを可能にする。 本研究では,都市部における自律走行シナリオにおける手法の精度とロバスト性を実証する。
• 参考スコア（独自算出の注目度）: 4.405687114738899
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the recent advances in autonomous driving and the decreasing cost of LiDARs, the use of multi-modal sensor systems is on the rise. However, in order to make use of the information provided by a variety of complimentary sensors, it is necessary to accurately calibrate them. We take advantage of recent advances in computer graphics and implicit volumetric scene representation to tackle the problem of multi-sensor spatial and temporal calibration. Thanks to a new formulation of the implicit model optimization, we are able to jointly optimize calibration parameters along with scene representation based on radiometric and geometric measurements. Our method enables accurate and robust calibration from data captured in uncontrolled and unstructured urban environments, making our solution more scalable than existing calibration solutions. We demonstrate the accuracy and robustness of our method in urban scenes typically encountered in autonomous driving scenarios.
• Abstract（参考訳）: 近年の自動運転の進歩とLiDARのコスト削減により、マルチモーダルセンサーシステムの利用が増加している。 しかし,様々な補足センサによって提供される情報を活用するためには,正確な校正が必要である。 コンピュータグラフィックスと暗黙のボリュームシーン表現の最近の進歩を利用して、マルチセンサ空間と時間的キャリブレーションの問題に取り組む。 暗黙的モデル最適化の新しい定式化により、放射計および幾何計測に基づくシーン表現とともにキャリブレーションパラメータを共同で最適化できる。 本手法は, 未制御・非構造都市環境におけるデータから, 高精度でロバストなキャリブレーションを可能にし, 既存のキャリブレーションソリューションよりもスケーラブルである。 提案手法の精度とロバスト性について,運転シナリオで典型的に発生する都市シーンで実証する。

関連論文リスト

• UniCal: Unified Neural Sensor Calibration [32.7372115947273]
  自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。 従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。 我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
  論文  参考訳（メタデータ） (2024-09-27T17:56:04Z)
• MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
  カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。 我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。 また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
  論文  参考訳（メタデータ） (2024-04-01T04:57:41Z)
• 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)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• 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)
• Online Camera-to-ground Calibration for Autonomous Driving [26.357898919134833]
  運転中に特定の目標を利用できないオンライン単眼カメラ・地上キャリブレーションソリューションを提案する。 キャリブレーション性能の定量化と,満足度の高いキャリブレーション結果の報告・放送の停止基準を提供する。
  論文  参考訳（メタデータ） (2023-03-30T04:01:48Z)
• How to Calibrate Your Event Camera [58.80418612800161]
  画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。 ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
  論文  参考訳（メタデータ） (2021-05-26T07:06:58Z)
• CRLF: Automatic Calibration and Refinement based on Line Feature for LiDAR and Camera in Road Scenes [16.201111055979453]
  道路シーンにおけるライダーとカメラの遠距離パラメータを校正する新しい手法を提案する。 道路の車線やポールなどの静的な直線形状の物体を画像と点群の両方で線状化します。 KITTIと社内データセットに関する広範な実験を行い、定量的および定性的な結果は、当社の方法の堅牢性と正確性を示しています。
  論文  参考訳（メタデータ） (2021-03-08T06:02:44Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• 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)

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。