論文の概要: SceneCalib: Automatic Targetless Calibration of Cameras and Lidars in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2304.05530v1
• Date: Tue, 11 Apr 2023 23:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 16:36:44.033031
• Title: SceneCalib: Automatic Targetless Calibration of Cameras and Lidars in Autonomous Driving
• Title（参考訳）: SceneCalib: 自動運転におけるカメラとライダーの自動無目標校正
• Authors: Ayon Sen, Gang Pan, Anton Mitrokhin, Ashraful Islam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.517099201352414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate camera-to-lidar calibration is a requirement for sensor data fusion in many 3D perception tasks. In this paper, we present SceneCalib, a novel method for simultaneous self-calibration of extrinsic and intrinsic parameters in a system containing multiple cameras and a lidar sensor. Existing methods typically require specially designed calibration targets and human operators, or they only attempt to solve for a subset of calibration parameters. We resolve these issues with a fully automatic method that requires no explicit correspondences between camera images and lidar point clouds, allowing for robustness to many outdoor environments. Furthermore, the full system is jointly calibrated with explicit cross-camera constraints to ensure that camera-to-camera and camera-to-lidar extrinsic parameters are consistent.
• Abstract（参考訳）: 正確なカメラとライダーのキャリブレーションは、多くの3d知覚タスクにおけるセンサーデータ融合の要件である。 本稿では,複数のカメラとlidarセンサを備えたシステムにおいて,外部パラメータと固有パラメータの同時自己校正手法であるscenecalibを提案する。 既存の手法は通常、特別な設計のキャリブレーションターゲットと人間の演算子を必要とするか、あるいはキャリブレーションパラメータのサブセットを解決しようとするだけである。 これらの問題を,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解決し,多くの屋外環境へのロバスト性を実現する。 さらに、全システムは、カメラ対カメラおよびカメラ対ライダーの外部パラメータの一貫性を確保するために、明示的なクロスカメラ制約と共同で調整される。

関連論文リスト

• Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
  ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。 ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。 自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• E-Calib: A Fast, Robust and Accurate Calibration Toolbox for Event Cameras [18.54225086007182]
  E-Calibは、イベントカメラの新しい、高速で、堅牢で、正確なキャリブレーションツールボックスである。 提案手法は,様々なイベントカメラモデルに対する様々な厳密な実験で検証される。
  論文  参考訳（メタデータ） (2023-06-15T12:16:38Z)
• 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)
• 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)
• Online Marker-free Extrinsic Camera Calibration using Person Keypoint Detections [25.393382192511716]
  本稿では,複数のスマートエッジセンサの外部校正のためのマーカーレスオンライン手法を提案する。 本手法では,固有カメラパラメータを推定し,カメラのポーズの粗い初期推定値でプライマーを推定する。 本手法による校正は,オフライン手法による基準校正よりも低い再投影誤差が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-15T15:54:21Z)
• 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)
• 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)
• 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。