論文の概要: Iterative Camera-LiDAR Extrinsic Optimization via Surrogate Diffusion

• arxiv url: http://arxiv.org/abs/2506.14706v1
• Date: Tue, 17 Jun 2025 16:44:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.581073
• Title: Iterative Camera-LiDAR Extrinsic Optimization via Surrogate Diffusion
• Title（参考訳）: サロゲート拡散による反復カメラ-LiDAR極端最適化
• Authors: Ni Ou, Zhuo Chen, Xinru Zhang, Junzheng Wang,
• Abstract要約: カメラとLiDARは自動運転車に不可欠なセンサーだ。 代理拡散に基づく多目的反復型フレームワークを提案する。 このフレームワークは、アーキテクチャの変更を必要とせずに、キャリブレーション手法の性能を向上させることができる。
• 参考スコア（独自算出の注目度）: 5.931285305072944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cameras and LiDAR are essential sensors for autonomous vehicles. The fusion of camera and LiDAR data addresses the limitations of individual sensors but relies on precise extrinsic calibration. Recently, numerous end-to-end calibration methods have been proposed; however, most predict extrinsic parameters in a single step and lack iterative optimization capabilities. To address the increasing demand for higher accuracy, we propose a versatile iterative framework based on surrogate diffusion. This framework can enhance the performance of any calibration method without requiring architectural modifications. Specifically, the initial extrinsic parameters undergo iterative refinement through a denoising process, in which the original calibration method serves as a surrogate denoiser to estimate the final extrinsics at each step. For comparative analysis, we selected four state-of-the-art calibration methods as surrogate denoisers and compared the results of our diffusion process with those of two other iterative approaches. Extensive experiments demonstrate that when integrated with our diffusion model, all calibration methods achieve higher accuracy, improved robustness, and greater stability compared to other iterative techniques and their single-step counterparts.
• Abstract（参考訳）: カメラとLiDARは自動運転車に不可欠なセンサーだ。 カメラとLiDARデータの融合は、個々のセンサーの限界に対処するが、正確な外部キャリブレーションに依存している。 近年、多くのエンドツーエンドキャリブレーション手法が提案されているが、ほとんどの場合、1ステップで外部パラメータを予測することができ、反復最適化機能が欠如している。 高い精度の要求に対処するため,サロゲート拡散に基づく多目的反復型フレームワークを提案する。 このフレームワークは、アーキテクチャの変更を必要とせずに、キャリブレーション手法の性能を向上させることができる。 具体的には、初期外生パラメータは、各ステップで最終外生パラメータを推定するために、元のキャリブレーション法がシュロゲートデノイザーとして機能する復調過程を通じて反復的精錬を行う。 比較分析では, シュロゲートデノイザとして4つの最先端キャリブレーション法を選択し, 拡散過程の結果を他の2つの反復的手法と比較した。 我々の拡散モデルと統合した場合、全てのキャリブレーション法は高い精度を実現し、ロバスト性を向上し、他の反復法や単段法と比較して安定性が向上することを示した。

関連論文リスト

• Targetless LiDAR-Camera Calibration with Anchored 3D Gaussians [21.057702337896995]
  任意のシーンからセンサポーズとシーン形状を協調的に最適化するLiDARカメラキャリブレーション手法を提案する。 2つの実世界の自律走行データセットに関する広範な実験により,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-04-06T20:00:01Z)
• CalibRefine: Deep Learning-Based Online Automatic Targetless LiDAR-Camera Calibration with Iterative and Attention-Driven Post-Refinement [5.069968819561576]
  CalibRefineは完全に自動化され、ターゲットレス、オンラインキャリブレーションフレームワークである。 生のLiDAR点雲とカメラ画像を直接処理する。 以上の結果から,頑健なオブジェクトレベルの特徴マッチングと反復的改善と自己監督的注意に基づく改善が組み合わさって,信頼性の高いセンサアライメントを実現することが示唆された。
  論文  参考訳（メタデータ） (2025-02-24T20:53:42Z)
• Iterative Camera-LiDAR Extrinsic Optimization via Surrogate Diffusion [5.931285305072944]
  カメラ-LiDARデータ融合は、スタンドアローンセンサーの欠陥を補うが、正確な外部キャリブレーションに依存している。 多くの学習に基づくキャリブレーション手法は,1ステップで外部パラメータを予測する。 本研究では,個々のキャリブレーション手法のキャパシティを大幅に向上させるため,サロゲート拡散に基づく単一モデル反復手法を提案する。
  論文  参考訳（メタデータ） (2024-11-17T02:21:37Z)
• Instant Uncertainty Calibration of NeRFs Using a Meta-calibrator [60.47106421809998]
  我々は,1つの前方パスを持つNeRFに対して不確実な校正を行うメタ校正器の概念を導入する。 メタキャリブレータは、見えないシーンを一般化し、NeRFの良好な校正と最先端の不確実性を実現できることを示す。
  論文  参考訳（メタデータ） (2023-12-04T21:29:31Z)
• CalibFormer: A Transformer-based Automatic LiDAR-Camera Calibration Network [11.602943913324653]
  CalibFormerは自動LiDARカメラキャリブレーションのためのエンドツーエンドネットワークである。 高精細度表現を実現するために、複数のカメラ層とLiDAR画像層を集約する。 平均翻訳誤差は0.8751 Mathrmcm$, 平均回転誤差は0.0562 circ$であった。
  論文  参考訳（メタデータ） (2023-11-26T08:59:30Z)
• 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)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• 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)
• Transferable Calibration with Lower Bias and Variance in Domain Adaptation [139.4332115349543]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインへの学習マシンの転送を可能にする。 DAモデルの予測的不確実性を推定する方法は、安全クリティカルなシナリオにおける意思決定に不可欠である。 TransCalは既存のDAメソッドの校正に簡単に適用できる。
  論文  参考訳（メタデータ） (2020-07-16T11:09:36Z)

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。