論文の概要: Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences
- arxiv url: http://arxiv.org/abs/2605.23397v1
- Date: Fri, 22 May 2026 09:09:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.275973
- Title: Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences
- Title（参考訳）: ディープポイント対応を用いたカメラ・LiDARキャリブレーション
- Authors: Simon Bultmann, Daniele Cattaneo, Abhinav Valada,
- Abstract要約: 我々は,カメラ内在とカメラ-LiDAR外在物と,ピクセル・ポイントの深部対応を推定する,最初の完全なターゲットレスパイプラインを提案する。
本手法はカメラとLiDARのペアでKITTIデータセット上で評価し, 関節キャリブレーションにより外生精度が向上し, さらに正確な内生特性を回復できることを実証した。
- 参考スコア（独自算出の注目度）: 17.541015611401185
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate camera-LiDAR calibration is a prerequisite for robust multi-modal perception in robotics. Recent target-less approaches based on deep point correspondences achieve remarkable performance for extrinsic calibration but assume rectified images with known intrinsics. In this work, we overcome this limitation and present the first fully target-less pipeline that jointly estimates camera intrinsics (pinhole model with radial-tangential distortion) and camera-LiDAR extrinsics with deep pixel-point correspondences. Our approach extends deep correspondence-based calibration by (i) automatic intrinsic initialization via structure-from-motion, (ii) generalizing camera-LiDAR matching to raw images with unknown intrinsics including distortion, and (iii) tightly coupling correspondence estimation with joint nonlinear optimization over both intrinsics and extrinsics. We evaluate our method on the KITTI dataset with unseen camera-LiDAR pairs and demonstrate that joint calibration achieves improved extrinsic accuracy while additionally recovering accurate intrinsics.
- Abstract（参考訳）: 正確なカメラ-LiDARキャリブレーションは、ロボット工学における堅牢なマルチモーダル認識の前提条件である。
近年のディープポイント対応に基づくターゲットレスアプローチは、外因性校正では顕著な性能を発揮するが、未知の内因性を持つ補正像を仮定する。
本研究では、この制限を克服し、カメラ内在物(放射-接角歪みを伴うピンホールモデル)と深度画素-点対応を持つカメラ-LiDAR外在物(英語版)を共同で推定する最初の完全なターゲットレスパイプラインを示す。
我々のアプローチは、深い対応に基づくキャリブレーションを拡張します。
一 構造移動による本質的自動初期化
(II)歪みを含む未知の内在性を持つ原画像に対するカメラ-LiDARマッチングの一般化
三 内因性及び外因性の両方に対する関節非線形最適化による密結合対応推定。
本手法はカメラとLiDARのペアでKITTIデータセット上で評価し, 関節キャリブレーションにより外生精度が向上し, さらに正確な内生特性を回復できることを実証した。
関連論文リスト
- DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network [57.22935789233992]
本稿では,オンライン方式で動作するLiDARカメラ外装キャリブレーションネットワークについて紹介する。
提案手法は,一般化可能性の観点から既存手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-01-03T13:57:01Z) - Single-Scanline Relative Pose Estimation for Rolling Shutter Cameras [56.39904484784127]
本稿では,ラインプロジェクションの交差点と1枚の走査線を用いて,ローリングシャッターカメラ間の相対的なポーズを推定する手法を提案する。
あるいは、単一の画像内でスキャニングラインを選択することができ、ローリングシャッターカメラのスキャニングラインに対するシングルビュー相対ポーズ推定を可能にする。
論文 参考訳（メタデータ） (2025-06-27T10:00:21Z) - Targetless LiDAR-Camera Calibration with Neural Gaussian Splatting [28.41267004945046]
本稿では,ニューラルベースガウス表現と協調してセンサポーズを最適化するTLC(Targetless LiDAR scene)を提案する。
光度および幾何正則化による完全微分可能なパイプラインは、ロバストで一般化可能なキャリブレーションを実現する。
論文 参考訳（メタデータ） (2025-04-06T20:00:01Z) - UniCalib: Targetless LiDAR-Camera Calibration via Probabilistic Flow on Unified Depth Representations [30.56092814783138]
DF-Calibは, キャリブレーションをモード内深さ流量推定問題として再構成するLiDARカメラキャリブレーション法である。
DF-Calibは、カメラ画像から深度マップを推定し、疎LiDAR投影深度マップを完成させる。
本稿では,有効画素を優先する信頼性マップを導入し,深度フロー推定の精度を高めるために,知覚的に重み付けされたスパースフロー損失を提案する。
論文 参考訳（メタデータ） (2025-04-02T07:09:44Z) - CalibRefine: Deep Learning-Based Online Automatic Targetless LiDAR-Camera Calibration with Iterative and Attention-Driven Post-Refinement [7.736775961390864]
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) - Towards Nonlinear-Motion-Aware and Occlusion-Robust Rolling Shutter
Correction [54.00007868515432]
既存の手法では、一様速度仮定による補正の精度を推定する上で、課題に直面している。
本稿では,個々の画素の高次補正場を正確に推定する,幾何的回転シャッター(QRS)運動解法を提案する。
提案手法は,Carla-RS,Fastec-RS,BS-RSCの各データセット上で,PSNRの+4.98,+0.77,+4.33を超える。
論文 参考訳（メタデータ） (2023-03-31T15:09:18Z) - How to Calibrate Your Event Camera [58.80418612800161]
画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。
ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
論文 参考訳（メタデータ） (2021-05-26T07:06:58Z) - 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)
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。