論文の概要: P$^2$Calib: Utilizing Pattern Priors for LiDAR-Camera Extrinsic Calibration

• arxiv url: http://arxiv.org/abs/2609.07516v1
• Date: Mon, 07 Sep 2026 14:01:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 00:05:32.063432
• Title: P$^2$Calib: Utilizing Pattern Priors for LiDAR-Camera Extrinsic Calibration
• Title（参考訳）: P$^2$Calib:LiDAR-Camera Extrinsic Calibrationにおけるパターンプリミティブの利用
• Abstract要約: 本稿では,P$2$Calibを対象基板のCADモデルで規定される幾何学的制約であるパターン先行値を利用して校正精度を向上する手法を提案する。 シミュレーションおよび実データを用いた実験により、P$2$Calibは関節登録残余を90%と82%減少させることが示された。
• 参考スコア（独自算出の注目度）: 0.19036571490366502
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Target-based LiDAR-camera extrinsic calibration is a prerequisite for multi-sensor fusion in robotics. However, in the widely adopted four-hole pipeline, calibration accuracy is bottlenecked by LiDAR-side hole-center extraction, which suffers from sparse angular coverage and mixed-pixel corruption. This paper presents P$^2$Calib, which exploits pattern priors, geometric constraints specified by the CAD model of the target board, to improve calibration accuracy. First, we incorporate the known hole radius as a fitting constraint to prevent center estimates from degrading under sparse angular coverage. Building on the improved hole estimates, we further enforce the rigid rectangular layout of the four holes as a global consistency constraint to correct residual errors across holes. Both priors are integrated into an interactive calibration tool that provides a complete extrinsic calibration pipeline. Experiments on simulated and real datasets show that P$^2$Calib lowers the joint registration residual by 90\% and 82\% and the held-out reprojection error by 96\% and 77\% over the baseline. Code, https://github.com/JokerJohn/P2Calib.git, and data will be released to facilitate future research.
• Abstract（参考訳）: ターゲットベースLiDARカメラの外在キャリブレーションは、ロボット工学におけるマルチセンサー融合の前提条件である。 しかし、広く採用されている4ホールパイプラインでは、キャリブレーション精度はLiDAR側のホールセンター抽出によってボトルネックとなる。 本稿では,P$^2$Calibを対象基板のCADモデルで規定される幾何学的制約であるパターン先行値を利用して校正精度を向上する手法を提案する。 まず, 中心推定値の粗角被覆下での劣化を防止するために, 既知の穴半径を嵌合制約として組み込む。 改良されたホール推定に基づいて、4つのホールの矩形配置を大域的整合性制約として強制し、ホール間の残差を補正する。 どちらも、完全な外部キャリブレーションパイプラインを提供するインタラクティブなキャリブレーションツールに統合されている。 シミュレーションおよび実データを用いた実験により,P$^2$Calibは接合残差を90\%,82\%,ホールドアウト再投影誤差を96\%,77\%と下げることがわかった。 コード、https://github.com/JokerJohn/P2Calib.git、およびデータは将来の研究を促進するためにリリースされる。

関連論文リスト

• Scaling-Score Conformal Prediction for Multi-Target Regression [0.42970700836450476]
  マルチターゲット回帰は、複数の関連する出力を同時に予測するモデルを必要とする。 モデルに依存しないスケーリングスコアコンフォメーション法(コンポーネント単位の絶対残差のみを要求する)を提案する。
  論文  参考訳（メタデータ） (2026-09-15T12:23:57Z)
• Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis [0.0]
  リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。 条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。 これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
  論文  参考訳（メタデータ） (2026-07-14T16:10:10Z)
• Rethinking the Encoding and Annotating of 3D Bounding Box: Corner-Aware 3D Object Detection from Point Clouds [69.84768614060559]
  中心方向の回帰はLiDARベースの3Dオブジェクト検出において依然として支配的だが、基本的な不安定さに悩まされている。 本稿では,予測対象を不安定な中心から幾何学的情報的コーナーへシフトするコーナーアライン回帰を提案する。 我々は、既存の検出器に差し込むことができる、シンプルで効果的なコーナー認識検出ヘッドを設計する。
  論文  参考訳（メタデータ） (2025-11-18T13:49:30Z)
• 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)
• 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)
• RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark [61.987291551925516]
  単位円制限損失を組み込んで角度予測精度を向上させるユニットサイクルリゾルバを導入する。 提案手法は,既存の最先端教師あり手法の性能を効果的に向上させることができる。 UCRの助けを借りて、これまでで最大の多クラス回転SARオブジェクト検出データセットであるRSARをさらに注釈し、導入する。
  論文  参考訳（メタデータ） (2025-01-08T11:41:47Z)
• Orthogonal Causal Calibration [55.28164682911196]
  我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。 以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
  論文  参考訳（メタデータ） (2024-06-04T03:35:25Z)
• Testing Calibration in Nearly-Linear Time [14.099477870728595]
  プロパティテストのレンズによるキャリブレーションのアルゴリズム的な研究に焦点をあてる。 実験的なスムーズなキャリブレーション線形プログラムは,高構造グラフ上の最小コストフローの例として再計算できる,という簡単な観察を行う。 我々は,キャリブレーションの標準概念を忠実に捉え,我々のアルゴリズムが大規模なサンプルサイズに対応するために効率的にスケールできることを実証する実験を行った。
  論文  参考訳（メタデータ） (2024-02-20T17:53:24Z)
• 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)
• 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)
• Lidar and Camera Self-Calibration using CostVolume Network [3.793450497896671]
  LiDARとカメラ間のパラメータを直接レグレッシブする代わりに、初期キャリブレーションから地上の真実へのデキャリブレーション偏差を予測します。 提案手法は, 平均絶対校正誤差が0.297cm, 回転誤差が0.017degであり, 校正誤差が1.5m, 20degであった。
  論文  参考訳（メタデータ） (2020-12-27T09:41:45Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。