論文の概要: Calibration-Informative Region Selection for Online LiDAR--Camera Calibration in Agricultural Environments
- arxiv url: http://arxiv.org/abs/2605.23580v1
- Date: Fri, 22 May 2026 12:48:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.350001
- Title: Calibration-Informative Region Selection for Online LiDAR--Camera Calibration in Agricultural Environments
- Title（参考訳）: オンラインLiDARのキャリブレーション・インフォーマティブ領域選択--農業環境におけるカメラキャリブレーション-
- Authors: Rajitha de Silva, Grzegorz Cielniak,
- Abstract要約: マルチモーダルキャリブレーションに対するサポートマップ駆動型アプローチを提案する。
MDPCalib を用いたオンラインLiDAR-カメラキャリブレーションの定式化を行う。
主要な貢献は密集キャリブレーション支援マップであり、アライメントされた観測に関するクロスモーダルな合意を集約する。
- 参考スコア（独自算出の注目度）: 6.51006117672225
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable multi-modal calibration requires identifying which observations truly constrain the extrinsic parameters and which ones mainly add noise or ambiguity. In this paper, we propose a support-map-driven approach to multi-modal calibration that decouples four functional blocks: initial calibration, cross-modal residual extraction, support-map estimation, and support-aware refinement. We instantiate this formulation for online LiDAR--camera calibration using MDPCalib, a target-less LiDAR--camera calibration method based on motion and deep point correspondences, and CMRNext, a dense LiDAR--camera matching model that predicts optical-flow-like image-plane residuals. The key contribution is a dense calibration support map that aggregates cross-modal agreement over aligned observations and highlights where calibration evidence is consistently reliable. Across the Bacchus Long-Term (BLT) dataset and KITTI, we show that calibration evidence is spatially and semantically non-uniform, indicating that some semantic regions provide stronger cues for calibration than others. On KITTI, support-guided refinement improves the calibration performance with better translation accuracy while rotational gains remain limited.
- Abstract（参考訳）: 信頼性の高いマルチモーダルキャリブレーションでは、外在パラメータを真に制限し、ノイズや曖昧さを主に付与する観測を識別する必要がある。
本稿では,初期キャリブレーション,クロスモーダル残差抽出,サポートマップ推定,サポートアウェア改善の4つの機能ブロックを分離するマルチモーダルキャリブレーションに対するサポートマップ駆動アプローチを提案する。
我々は、この定式化を、動きと深度対応に基づくターゲットレスLiDAR-カメラキャリブレーション手法であるMDPCalibと、光フローのような画像プレーン残差を予測する高密度LiDAR-カメラマッチングモデルであるCMRNextを用いて、オンラインLiDAR-カメラキャリブレーションのインスタンス化を行う。
重要な貢献は密集キャリブレーション支援マップであり、アライメントされた観測と、キャリブレーションの証拠が一貫して信頼できる場所のハイライトに関するクロスモーダルな合意を集約する。
Bacchus Long-Term (BLT) データセットと KITTI を用いて,キャリブレーションの証拠は空間的にも意味的にも一様ではないことを示す。
KITTIでは、キャリブレーション性能が向上し、回転ゲインが制限されながら、翻訳精度が向上する。
関連論文リスト
- Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - Too Sharp, Too Sure: When Calibration Follows Curvature [39.687359662779826]
実験的に、期待誤差(ECE)は最適化全体を通して曲率に基づくシャープネスを密に追跡する。
ECE と Gauss-Newton の曲率も,問題固有定数まで制御可能であることを示す。
我々は,頑健な雄の尾と局所的な滑らかさを明確に目標とする辺縁認識トレーニングの目標を導入する。
論文 参考訳（メタデータ） (2026-04-22T14:28:52Z) - 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) - DLBAcalib: Robust Extrinsic Calibration for Non-Overlapping LiDARs Based on Dual LBA [11.721420447780032]
本稿では,マルチLiDARシステムのための新しいターゲットレス外部キャリブレーションフレームワークを提案する。
提案手法は,目標LiDARからの連続走査により,正確な基準点クラウドマップを構築する。
本フレームワークでは,平均翻訳誤差が5mm,回転誤差が0.2deg,初期誤差が0.4m/30degである。
論文 参考訳（メタデータ） (2025-07-12T07:48:02Z) - C-TPT: Calibrated Test-Time Prompt Tuning for Vision-Language Models via Text Feature Dispersion [54.81141583427542]
深層学習において,ラベル付きデータを必要としない微調整手法としてテスト時間適応が注目されている。
本稿では,CLIPの固有特性を利用したテスト時プロンプトチューニング時の校正について検討する。
そこで本研究では,C-TPT(Calibrated Test-time Prompt Tuning)という,キャリブレーションの強化によるテスト時間中のプロンプトの最適化手法を提案する。
論文 参考訳（メタデータ） (2024-03-21T04:08:29Z) - 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) - EdgeCalib: Multi-Frame Weighted Edge Features for Automatic Targetless
LiDAR-Camera Calibration [15.057994140880373]
実世界のシナリオにおけるLiDARとカメラの自動校正のためのエッジベースのアプローチを提案する。
エッジ機能は、様々な環境で広く使われているが、画像と点雲の両方に並び、外在パラメータを決定する。
その結果, 最先端回転精度は0.086deg, 翻訳精度は0.977cmであり, 既存のエッジベースキャリブレーション法よりも精度とロバスト性が高いことがわかった。
論文 参考訳（メタデータ） (2023-10-25T13:27:56Z) - Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。
古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。
提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文 参考訳（メタデータ） (2020-06-23T07:18:05Z)
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。