論文の概要: Automated Automotive Radar Calibration With Intelligent Vehicles

• arxiv url: http://arxiv.org/abs/2306.13323v1
• Date: Fri, 23 Jun 2023 07:01:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 13:37:56.034042
• Title: Automated Automotive Radar Calibration With Intelligent Vehicles
• Title（参考訳）: インテリジェント車両を用いた自動車レーダ自動校正
• Authors: Alexander Tsaregorodtsev, Michael Buchholz, Vasileios Belagiannis
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 73.15674960230625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While automotive radar sensors are widely adopted and have been used for automatic cruise control and collision avoidance tasks, their application outside of vehicles is still limited. As they have the ability to resolve multiple targets in 3D space, radars can also be used for improving environment perception. This application, however, requires a precise calibration, which is usually a time-consuming and labor-intensive task. We, therefore, present an approach for automated and geo-referenced extrinsic calibration of automotive radar sensors that is based on a novel hypothesis filtering scheme. Our method does not require external modifications of a vehicle and instead uses the location data obtained from automated vehicles. This location data is then combined with filtered sensor data to create calibration hypotheses. Subsequent filtering and optimization recovers the correct calibration. Our evaluation on data from a real testing site shows that our method can correctly calibrate infrastructure sensors in an automated manner, thus enabling cooperative driving scenarios.
• Abstract（参考訳）: 自動車用レーダセンサーは広く採用され、自動クルーズ制御や衝突回避タスクに使用されているが、車両以外の用途は限られている。 3D空間で複数の目標を解決できるため、レーダーは環境認識を改善するためにも使用できる。 しかし、この応用には正確なキャリブレーションが必要であり、これは通常、時間と労力のかかる作業である。 そこで本研究では,新しい仮説フィルタリング手法に基づく自動車用レーダーセンサの地中キャリブレーションの自動化と地中キャリブレーションについて述べる。 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。 この位置データはフィルターされたセンサーデータと組み合わせてキャリブレーション仮説を生成する。 その後のフィルタリングと最適化は正しい校正を回復する。 本手法は,実地試験現場のデータを用いた評価により,インフラセンサの自動校正が可能となり,協調運転シナリオが可能となる。

関連論文リスト

• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Continuous Online Extrinsic Calibration of Fisheye Camera and LiDAR [7.906477322731106]
  高レベルの知覚機能を必要とする共通空間参照フレームにカメラとLiDARデータを融合するためには、正確な外部キャリブレーションが必要である。 連続的なオンライン外部キャリブレーションアルゴリズムは、センサーデータのみを使用して、車両の寿命中にカメラ-LiDARキャリブレーションの値を自動更新することができる。 本稿では,一般的な単眼深度推定ネットワークによって提供されるカメラ画像の深度推定と,外部キャリブレーションの最適化指標としてLiDAR点雲の幾何距離の相互情報を用いることを提案する。
  論文  参考訳（メタデータ） (2023-06-22T23:16:31Z)
• 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)
• 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)
• 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)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
  We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。 LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。 また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
  論文  参考訳（メタデータ） (2020-03-13T06:17:39Z)

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。