論文の概要: Automated Static Camera Calibration with Intelligent Vehicles

• arxiv url: http://arxiv.org/abs/2304.10814v1
• Date: Fri, 21 Apr 2023 08:50:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 15:19:00.775241
• Title: Automated Static Camera Calibration with Intelligent Vehicles
• Title（参考訳）: インテリジェント車両を用いた自動静的カメラキャリブレーション
• Authors: Alexander Tsaregorodtsev, Adrian Holzbock, Jan Strohbeck, Michael Buchholz, and Vasileios Belagiannis
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.908194559319405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Connected and cooperative driving requires precise calibration of the roadside infrastructure for having a reliable perception system. To solve this requirement in an automated manner, we present a robust extrinsic calibration method for automated geo-referenced camera calibration. Our method requires a calibration vehicle equipped with a combined GNSS/RTK receiver and an inertial measurement unit (IMU) for self-localization. In order to remove any requirements for the target's appearance and the local traffic conditions, we propose a novel approach using hypothesis filtering. Our method does not require any human interaction with the information recorded by both the infrastructure and the vehicle. Furthermore, we do not limit road access for other road users during calibration. We demonstrate the feasibility and accuracy of our approach by evaluating our approach on synthetic datasets as well as a real-world connected intersection, and deploying the calibration on real infrastructure. Our source code is publicly available.
• Abstract（参考訳）: コネクテッド・アンド・コラボレーティブ・ドライブは、信頼できる知覚システムを持つために、路側インフラの正確なキャリブレーションを必要とする。 この要件を自動で解決するために,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頑健な外部キャリブレーション手法を提案する。 本手法では,GNSS/RTK受信機と慣性測定ユニット(IMU)を併用して自己位置測定を行うキャリブレーション車両が必要である。 対象者の外観や交通状況に対する要求をなくすため,仮説フィルタリングを用いた新しい手法を提案する。 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のインタラクションを必要としない。 また、キャリブレーション時に他の道路利用者の道路アクセスを制限しない。 本稿では,合成データセットと実世界接続交差点のアプローチを評価し,実インフラにキャリブレーションを配置することで,その実現可能性と精度を示す。 ソースコードは公開されています。

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)
• From Chaos to Calibration: A Geometric Mutual Information Approach to Target-Free Camera LiDAR Extrinsic Calibration [4.378156825150505]
  そこで本研究では,根拠となる真理学習データを必要としない目標外キャリブレーションアルゴリズムを提案する。 我々は,KITTI と KITTI-360 の魚眼データセットを用いた改良を行った。
  論文  参考訳（メタデータ） (2023-11-03T13:30:31Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。