論文の概要: LV-Calib: LiDAR-Camera Extrinsic Calibration with Boundary-Response Modeling
- arxiv url: http://arxiv.org/abs/2606.15010v1
- Date: Fri, 12 Jun 2026 23:11:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.642646
- Title: LV-Calib: LiDAR-Camera Extrinsic Calibration with Boundary-Response Modeling
- Title（参考訳）: LV-Calib:境界応答モデルを用いたLiDAR-Camera Extrinsic Calibration
- Authors: Sheng Hong,
- Abstract要約: LV-CalibはLiDARカメラの外部推定とLiDAR境界応答キャリブレーションのためのキャリブレーションフレームワークである。
自動的に背景点を抽出し、対象平面を推定し、正確なLiDAR側の3D特徴点を反復的に洗練する。
プリント基板キャリブレーションデータを用いた実験では, サブピクセル再投影精度, ミリレベルのLiDAR特性の整合性, 計測性能の向上が示された。
- 参考スコア（独自算出の注目度）: 2.289706732149225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present LV-Calib, a calibration framework for LiDAR-camera extrinsic estimation and LiDAR boundary-response calibration using a printable planar target. The target serves as a shared observation carrier: visual fiducials provide indexed image measurements, while circular reflectivity boundaries provide LiDAR-observable structural feature points. Instead of directly fitting boundary points as ideal geometric contours, LV-Calib automatically crops background points, estimates the target plane, and iteratively refines accurate LiDAR-side 3-D feature points from intensity and geometric constraints. The refinement explicitly handles the broadened and distorted transition band induced by finite beam footprint and mixed-intensity returns around black-white reflectivity discontinuities. Given these refined LiDAR features, we formulate a weighted reprojection-consistent extrinsic optimization with LiDAR feature alignment, where image observations are kept in the reprojection domain and LiDAR feature residuals are weighted by refinement confidence. Finally, using the estimated extrinsic and the extracted transition band, LV-Calib calibrates the LiDAR boundary response by estimating pitch-yaw-range residual statistics of boundary-overlap samples. Experiments on printed-board calibration data demonstrate sub-pixel reprojection accuracy, millimeter-level LiDAR feature consistency, and improved odometry performance. Code and calibration data will be released for reproducible evaluation.
- Abstract（参考訳）: 印刷可能な平面ターゲットを用いたLiDARカメラ外部推定とLiDAR境界応答キャリブレーションのためのキャリブレーションフレームワークであるLV-Calibを提案する。
ターゲットは共有観測キャリアとして機能し、視覚画像はインデックス化された画像計測を提供し、円形反射率境界はLiDARで観測可能な構造特徴点を提供する。
境界点を理想的な幾何学的輪郭として直接取り付ける代わりに、LV-Calibは自動的に背景点を収穫し、対象平面を推定し、正確なLiDAR側3次元特徴点を強度と幾何学的制約から反復的に洗練する。
この改良は、有限ビームフットプリントによって引き起こされる拡張および歪んだ遷移帯域を明示的に扱い、黒-白反射率の不連続性の周りに混合強度を返す。
これらの改良されたLiDAR特徴を考慮し,LDAR特徴アライメントによる重み付き再投影一貫性のある外部最適化を定式化し,画像観察を再投影領域に保持し,LiDAR特徴残差を補正信頼度により重み付けする。
最後に,LV-Calibは,LDAR境界応答のキャリブレーションを行い,境界オーバーラップ試料のピッチ方向残差統計を推定した。
プリント基板キャリブレーションデータを用いた実験では, サブピクセル再投影精度, ミリレベルのLiDAR特性の整合性, 計測性能の向上が示された。
再現可能な評価のために、コードとキャリブレーションのデータがリリースされる。
関連論文リスト
- Calibration-Informative Region Selection for Online LiDAR--Camera Calibration in Agricultural Environments [6.51006117672225]
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。
論文 参考訳（メタデータ） (2026-05-22T12:48:56Z) - ALICE-LRI: A General Method for Lossless Range Image Generation for Spinning LiDAR Sensors without Calibration Metadata [0.0]
3D LiDARセンサーは、リモートセンシングアプリケーションにおける自律ナビゲーション、環境モニタリング、高精度マッピングに不可欠である。
これらのセンサによって生成された巨大な点雲を効率的に処理するために、LiDARデータは角の位置と距離でポイントを整理する2Dレンジ画像に投影されることが多い。
製造者メタデータや校正ファイルを必要とせず、LiDAR点雲を回転させることにより、ロスレスレンジ画像生成を実現する、最初の一般センサ非依存方式であるALICE-LRIを提案する。
論文 参考訳（メタデータ） (2025-10-23T16:22:58Z) - 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) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。
この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
論文 参考訳（メタデータ） (2024-10-07T15:07:56Z) - Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。
LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。
特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
論文 参考訳（メタデータ） (2024-06-06T16:55:07Z) - Visual-LiDAR Odometry and Mapping with Monocular Scale Correction and
Visual Bootstrapping [0.7734726150561089]
低ドリフト特性を有する新しい視覚-LiDARオドメトリーおよびマッピング法を提案する。
提案手法は,ORB-SLAM と A-LOAM の2つの一般的な手法に基づく。
ORB-SLAM2 と A-LOAM を比較検討した。
論文 参考訳（メタデータ） (2023-04-18T13:20:33Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-06-30T01:44:30Z)
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。