論文の概要: CalibBEV: LiDAR-Camera Calibration via BEV Alignment
- arxiv url: http://arxiv.org/abs/2608.02309v1
- Date: Mon, 03 Aug 2026 14:34:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.603396
- Title: CalibBEV: LiDAR-Camera Calibration via BEV Alignment
- Title（参考訳）: CalibBEV:BEVアライメントによるLiDARカメラキャリブレーション
- Abstract要約: CalibBEVはLiDARカメラキャリブレーションのためのアライメントアプローチである。
提案手法は,LiDARとカメラデータを共有空間表現に統一する。
CalibBEVは、以前のポイント・ツー・ピクセルマッチング法よりも大幅に優れている。
- 参考スコア（独自算出の注目度）: 5.0138688681521435
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present CalibBEV, a novel Bird's Eye View (BEV) alignment approach for LiDAR-camera calibration. Our method unifies LiDAR and camera data into a shared 3D spatial representation, enabling accurate and robust cross-modal calibration. CalibBEV extracts sensor-wise BEV features from each modality using domain-specific architectures and estimates the calibration matrix through a two-step alignment process. First, we perform an implicit alignment by regressing a coarse calibration matrix directly from the BEV features. To ease this alignment, we enforce semantic consistency between BEV representations across modalities using a contrastive loss inspired by CLIP, guiding both networks toward a unified feature space. In the second step, we leverage our BEV formulation to explicitly align the features of one modality with the other, refining the initial coarse estimate into a final, more accurate calibration matrix. CalibBEV significantly outperforms prior point-to-pixel matching methods, achieving state-of-the-art calibration accuracy. On the KITTI and nuScenes benchmarks, our method reduces the Relative Rotation Error (RRE) by 51% and 68%, and the Relative Translation Error (RTE) by 80% and 91%, respectively, compared to previous methods.
- Abstract（参考訳）: 本稿では、LiDARカメラキャリブレーションのための新しいBird's Eye View (BEV)アライメントアプローチであるCalibBEVを紹介する。
提案手法は,LiDARとカメラデータを共有空間表現に統一し,高精度でロバストなクロスモーダルキャリブレーションを実現する。
CalibBEVは、ドメイン固有のアーキテクチャを用いて各モードからセンサワイズなBEV特徴を抽出し、2段階のアライメントプロセスを通じてキャリブレーション行列を推定する。
まず,BEV特徴量から直接粗いキャリブレーション行列を回帰することで,暗黙のアライメントを行う。
このアライメントを容易にするために、CLIPにインスパイアされた対照的な損失を用いて、モダリティ間のBEV表現間のセマンティック一貫性を強制し、両ネットワークを統一された機能空間へと導く。
第2のステップでは、BEVの定式化を利用して、一方のモダリティの特徴と他方のモダリティを明示的に整列し、初期粗い推定値を最終的、より正確なキャリブレーション行列に精製する。
CalibBEV は、最先端のキャリブレーション精度を達成し、事前のポイント・ツー・ピクセルマッチング法を著しく上回っている。
KITTIとnuScenesのベンチマークでは,従来の手法と比較して相対回転誤差(RRE)を51%,68%,相対変換誤差(RTE)を91%削減した。
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) - 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) - BEVCALIB: LiDAR-Camera Calibration via Geometry-Guided Bird's-Eye View Representations [14.042288504857934]
本稿では,鳥眼ビュー(BEV)機能を用いて,生データからLiDARカメラキャリブレーションを行う最初のモデルを提案する。
本稿では,トランスフォーメーションデコーダの最も重要な特徴をフィルタする新しい特徴セレクタを提案する。
様々なノイズ条件下では、BEVCALIBは文学において最高のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-06-03T08:07:18Z) - 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) - RaCFormer: Towards High-Quality 3D Object Detection via Query-based Radar-Camera Fusion [58.77329237533034]
本稿では3次元物体検出の精度を高めるために,Raar-Camera fusion transformer (RaCFormer)を提案する。
RaCFormerは、nuScenesデータセット上で64.9% mAPと70.2%の優れた結果を得る。
論文 参考訳（メタデータ） (2024-12-17T09:47:48Z) - ContrastAlign: Toward Robust BEV Feature Alignment via Contrastive Learning for Multi-Modal 3D Object Detection [21.53194355065541]
異種モダリティのアライメントを高めるための新しいContrastAlignアプローチを提案する。
提案手法は,mAPが71.5%のSOTA性能を達成し,nuScenes val セットで GraphBEV を 1.4% 上回った。
論文 参考訳（メタデータ） (2024-05-27T06:43:12Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV
Images [53.11097060367591]
球面投影における360-fov画像から本質行列を推定する新しい手法を提案する。
我々の正規化は、時間を大幅に上回ることなく、カメラの精度を約20%向上させることができることを示す。
論文 参考訳（メタデータ） (2021-04-22T07:23:11Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - 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。