論文の概要: Ground Plane-Aided Extrinsic Calibration of Inertial and RGB-D Sensors for Uncrewed Aerial Vehicles
- arxiv url: http://arxiv.org/abs/2606.31019v1
- Date: Tue, 30 Jun 2026 01:21:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.037126
- Title: Ground Plane-Aided Extrinsic Calibration of Inertial and RGB-D Sensors for Uncrewed Aerial Vehicles
- Title（参考訳）: 無人航空機用慣性・RGB-Dセンサの地平面支援外在的校正
- Abstract要約: Inertial Measurement Units (IMU) とRGB-D (RGB-D) カメラを搭載したUAVの無目標校正法を提案する。
提案手法は,RGB-D画像の深度チャネルから基底点を抽出するために,深層学習に基づくフロアセグメンテーションを利用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate extrinsic calibration of inertial sensors, such as Inertial Measurement Units (IMUs) and cameras is crucial for trajectory estimation of Uncrewed Aerial Vehicles (UAVs). While numerous calibration methods have been proposed, these techniques often rely on specialized equipment, planar targets, and an initial estimate of the calibration parameters. In this research, we propose a targetless calibration method designed for UAVs equipped with IMUs and RGB-Depth (RGB-D) cameras. Our approach leverages deep-learning-based floor-segmentation to extract ground points from the depth channel of RGB-D images. Subsequently, the normal vector to these points is estimated. The known orientation of the normal to the floor segment and the gravity vector sensed in the accelerometer's frame are utilized in a robust estimation approach to estimate the extrinsic calibration parameters. We illustrate that the developed method outperforms MATLAB's Toolboxes and exhibits similar performance to Kalibr without the use of specialized checkerboard targets.
- Abstract（参考訳）: 慣性測定ユニット(IMU)やカメラなどの慣性センサーの正確な外的校正は、無人航空機(UAV)の軌道推定に不可欠である。
多くのキャリブレーション手法が提案されているが、これらの手法は特殊機器、平面目標、およびキャリブレーションパラメータの初期推定に依存していることが多い。
本研究では,IMUとRGB-D(RGB-D)カメラを搭載したUAVを対象としたターゲットレスキャリブレーション手法を提案する。
提案手法は,RGB-D画像の深度チャネルから基底点を抽出するために,深層学習に基づくフロアセグメンテーションを利用する。
その後、これらの点に対する正規ベクトルが推定される。
加速度計のフレームで検出される通常の方向と重力ベクトルの既知の向きは、外部校正パラメータを推定するために頑健な推定手法に利用される。
本手法はMATLABのツールボックスよりも優れており,専用のチェッカーボードを使わずにKalibrと類似した性能を示す。
関連論文リスト
- Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones [52.87468614536999]
キャリブレーション点と頭部の多様性が推定精度に与える影響を分析する。
実験により、キャリブレーション中により広い範囲の頭部ポーズを導入することで、推定器がポーズ変動を処理する能力を向上させることが示されている。
携帯電話を移動しながらキャリブレーションポイントを固定する動的キャリブレーション戦略を提案する。
論文 参考訳（メタデータ） (2025-08-14T01:28:30Z) - Cal or No Cal? -- Real-Time Miscalibration Detection of LiDAR and Camera Sensors [0.8437187555622164]
安全の観点からは、センサーのキャリブレーションは自動運転の鍵となる。
オンラインキャリブレーションは厳格なリアルタイムとリソースの制約を受ける。
校正パラメータの直接回帰から校正状態のバイナリ分類に焦点を移す誤校正検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-31T08:13:23Z) - CaLiV: LiDAR-to-Vehicle Calibration of Arbitrary Sensor Setups [0.8437187555622164]
自律システムでは、ダイナミック環境における安全かつ効率的なナビゲーションにはセンサキャリブレーションが不可欠である。
既存のLiDARキャリブレーション法の多くは、重なり合う視野を必要とするが、外部センサーデバイスを使ったり、機能豊富な環境を仮定するものもある。
本研究では,CaLiVと呼ばれるマルチLiDARシステムの外部センサ・センサ・センサ・バイヒクルキャリブレーションのための新しいターゲットベース手法を提案する。
このアルゴリズムは、重複しない視野で機能し、外部センサーデバイスを必要としない。
論文 参考訳（メタデータ） (2025-03-31T08:08:21Z) - In Flight Boresight Rectification for Lightweight Airborne Pushbroom Imaging Spectrometry [1.5624421399300306]
多くのハイパースペクトルセンサーはリニアアレイまたは「プッシュ・ブルーム」走査設計を使用している。
本稿では,「プッシュブルーム」ハイパースペクトルセンサのタイポイント抽出とカメラキャリブレーション手法を提案する。
提案手法により,ハイパースペクトルカメラを用いた空飛ぶシステムの自動校正が可能であることが実証された。
論文 参考訳（メタデータ） (2024-09-10T13:55:47Z) - Galibr: Targetless LiDAR-Camera Extrinsic Calibration Method via Ground Plane Initialization [13.409482818102878]
Galibrは完全に自動化されたLiDARカメラの外付けキャリブレーションツールで、どんな自然環境でも地上の車両プラットフォーム用に設計されている。
この方法は、LiDARとカメラの入力の両方から地上平面とエッジ情報を利用して、キャリブレーションプロセスの合理化を行う。
提案手法はキャリブレーション性能を著しく向上させるが,これは新しい初期ポーズ推定法に起因している。
論文 参考訳（メタデータ） (2024-06-14T08:25:10Z) - RGB-based Category-level Object Pose Estimation via Decoupled Metric
Scale Recovery [72.13154206106259]
本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。
具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。
別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
論文 参考訳（メタデータ） (2023-09-19T02:20:26Z) - Support Vector Machine for Determining Euler Angles in an Inertial
Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。
提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文 参考訳（メタデータ） (2022-12-07T10:01:11Z) - Continuous Target-free Extrinsic Calibration of a Multi-Sensor System
from a Sequence of Static Viewpoints [0.0]
モバイルロボットアプリケーションは、プラットフォーム上の個々のセンサーの幾何学的位置に関する正確な情報を必要とする。
誤校正パラメータは、典型的なロボット推定タスクに悪影響を及ぼす。
本稿では,ロボットの動作中にキャリブレーションパラメータを連続的に推定する手法を提案する。
論文 参考訳（メタデータ） (2022-07-08T09:36:17Z) - 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) - Accurate Alignment Inspection System for Low-resolution Automotive and
Mobility LiDAR [125.41260574344933]
車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。
提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
論文 参考訳（メタデータ） (2020-08-24T17:47:59Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。