論文の概要: PseudoCal: Towards Initialisation-Free Deep Learning-Based Camera-LiDAR Self-Calibration

• arxiv url: http://arxiv.org/abs/2309.09855v1
• Date: Mon, 18 Sep 2023 15:15:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 12:40:22.385339
• Title: PseudoCal: Towards Initialisation-Free Deep Learning-Based Camera-LiDAR Self-Calibration
• Title（参考訳）: PseudoCal: 初期化のないディープラーニングベースのカメラ-LiDAR自己校正を目指して
• Authors: Mathieu Cocheteux, Julien Moreau, Franck Davoine
• Abstract要約: カメラ-LiDAR外部キャリブレーションは、自律システムにおけるマルチセンサー融合にとって重要な課題である。 既存の技術は、しばしば手動の介入や特定の環境を必要とするため、労働集約的でエラーを起こしやすい。 PseudoCalは,擬似LiDARの概念を活用し,直接3D空間で動作することによって,これらの制約を克服する新しい自己校正手法である。
• 参考スコア（独自算出の注目度）: 5.263910852465186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera-LiDAR extrinsic calibration is a critical task for multi-sensor fusion in autonomous systems, such as self-driving vehicles and mobile robots. Traditional techniques often require manual intervention or specific environments, making them labour-intensive and error-prone. Existing deep learning-based self-calibration methods focus on small realignments and still rely on initial estimates, limiting their practicality. In this paper, we present PseudoCal, a novel self-calibration method that overcomes these limitations by leveraging the pseudo-LiDAR concept and working directly in the 3D space instead of limiting itself to the camera field of view. In typical autonomous vehicle and robotics contexts and conventions, PseudoCal is able to perform one-shot calibration quasi-independently of initial parameter estimates, addressing extreme cases that remain unsolved by existing approaches.
• Abstract（参考訳）: カメラ-LiDARの外付けキャリブレーションは、自動運転車や移動ロボットのような自律システムにおけるマルチセンサー融合にとって重要なタスクである。 伝統的な技術は、しばしば手動の介入や特定の環境を必要とし、労働集約的でエラーを起こしやすい。 既存のディープラーニングベースの自己校正手法は、小さな認識に重点を置いており、まだ初期推定に依存しており、実用性に制限がある。 本稿では,疑似ライダーの概念を活用し,カメラの視野に限らず直接3d空間で作業することで,これらの制限を克服する新しい自己校正法であるpseudocalを提案する。 典型的な自動運転車やロボット工学の文脈や慣習において、pseudocalは初期パラメータ推定から準独立にワンショットキャリブレーションを行うことができ、既存のアプローチで未解決の極端なケースに対処することができる。

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)
• P2O-Calib: Camera-LiDAR Calibration Using Point-Pair Spatial Occlusion Relationship [1.6921147361216515]
  本研究では,3次元空間における閉塞関係を用いた2次元3次元エッジポイント抽出に基づく新たなターゲットレスキャリブレーション手法を提案する。 本手法は,高画質カメラ-LiDARキャリブレーションによる実用的応用に寄与する,低誤差かつ高ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-11-04T14:32:55Z)
• Self-Supervised Online Camera Calibration for Automated Driving and Parking Applications [1.6921067573076216]
  本稿では,カメラの内在的・外在的キャリブレーションをリアルタイムに学習するための枠組みを提案する。 フレームワークは自己管理されており、キャリブレーションパラメータを学ぶためにラベル付けや監督は一切必要ありません。
  論文  参考訳（メタデータ） (2023-08-16T16:49:50Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• 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)
• SceneCalib: Automatic Targetless Calibration of Cameras and Lidars in Autonomous Driving [10.517099201352414]
  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。
  論文  参考訳（メタデータ） (2023-04-11T23:02:16Z)
• 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)
• TEScalib: Targetless Extrinsic Self-Calibration of LiDAR and Stereo Camera for Automated Driving Vehicles with Uncertainty Analysis [4.616329048951671]
  TEScalibは、LiDARとステレオカメラの新しい外在的自己校正手法である。 周囲の環境の幾何学的および測光的情報を使用し、自動走行車両のキャリブレーション対象を含まない。 KITTIデータセットで評価した手法は非常に有望な結果が得られる。
  論文  参考訳（メタデータ） (2022-02-28T15:04:00Z)
• Estimating Egocentric 3D Human Pose in Global Space [70.7272154474722]
  本稿では,魚眼カメラを用いた自己中心型3次元体姿勢推定法を提案する。 提案手法は, 定量的, 定性的に, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-04-27T20:01:57Z)
• 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)

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。