論文の概要: VeriCalib: Verifiable Target-Based LiDAR-Camera Calibration

• arxiv url: http://arxiv.org/abs/2610.28791v1
• Date: Tue, 20 Oct 2026 18:21:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.118644
• Title: VeriCalib: Verifiable Target-Based LiDAR-Camera Calibration
• Title（参考訳）: VeriCalib: 検証可能なターゲットベースLiDARカメラキャリブレーション
• Abstract要約: ターゲットに基づく外部キャリブレーションは、既知のターゲットのいくつかの観測から、センサ間の剛性変換を推定する。 適合残差のルート平均二乗誤差は、結果を受け入れ、再抽出し、再帰し、観察を追加するかどうかを示すことができない。 本稿では,外因性キャリブレーションを検証可能な推定問題として定式化するVeriCalibを提案する。
• 参考スコア（独自算出の注目度）: 55.182280281702845
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Target-based extrinsic calibration estimates the rigid transform between sensors from a few observations of a known target, and its result is commonly assessed by the root-mean-square error of the fitted residuals. However, this scalar error is computed on the same observations and therefore cannot indicate whether to accept the result, re-extract, recollect or add observations. This paper presents VeriCalib, which formulates extrinsic calibration as a verifiable estimation problem and reports a calibration state. The key insight is a two-level extrinsic compensation mechanism, in which the extrinsic compensates the rigid part of each observation error at the residual level, and rotation and translation compensate each other at the parameter level. Consequently, the fitted residual can reveal neither an inconsistency between the observations and the model nor whether the estimated extrinsic is reliable in every direction. Accordingly, we assess the calibration through a structured covariance that jointly propagates the uncertainty of the camera and LiDAR board features with a known-geometry prior, and estimate its scale as a variance component from the residuals. On this covariance, we decouple rotation and translation to resolve the precision along each direction and guide data collection toward the weakest one. Since this precision presumes consistent observations, we further develop within-view and cross-view checks that examine the internal residual and the rigid discrepancy between observations, respectively, with thresholds that hold their significance level under an unknown noise level. We also extend the minimal detectable bias to the extrinsic to bound the smallest detectable fault along each direction. These criteria form a calibration state that indicates whether to accept the result or how to collect the data...
• Abstract（参考訳）: ターゲットに基づく外部キャリブレーションは、既知のターゲットのいくつかの観測からセンサ間の剛性変換を推定し、その結果は通常、装着された残留物のルート平均二乗誤差によって評価される。 しかし、このスカラー誤差は同じ観測に基づいて計算されるため、結果を受け入れ、再抽出し、再コンパイルし、追加するかどうかを示すことはできない。 本稿では,外因性キャリブレーションを検証可能な推定問題として定式化し,キャリブレーション状態を報告するVeriCalibを提案する。 鍵となる洞察は、2段階の外因性補償機構であり、外因性補償は残留レベルで各観測誤差の剛性部分を補償し、パラメータレベルで回転と翻訳が互いに補償する。 これにより、適合した残留物は、観測とモデルとの整合性も、推定外在物がすべての方向で信頼できないことも明らかとなる。 そこで我々は, カメラとLiDAR基板の特徴の不確かさを予め既知形状で連立的に伝播する構造共分散によるキャリブレーションを評価し, そのスケールを残留物から分散成分として推定する。 この共分散では、回転と変換を分離し、各方向に沿った精度を解消し、最も弱い方向へデータ収集を誘導する。 この精度は、一貫した観測を推定するので、各観測における内部残差と剛性差を、その重要度を未知の雑音レベル下で保持する閾値で検証する、内視と横断視のチェックをさらに発展させる。 また、検出可能な最小限のバイアスを外部に拡張して、検出可能な最小限の障害を各方向に沿ってバウンドする。 これらの基準は、結果を受け入れるか、どのようにデータを収集するかを示すキャリブレーション状態を形成する。

関連論文リスト

• PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers [58.87583368961845]
  PosteriorBenchは、生成的逆解器の分布精度を評価するためのベンチマークである。 ダーシーフローの逆転、ポアソン源の回復、炭素捕獲と貯蔵、光輸送物質推論の4つの物理に基づく逆問題を評価する。
  論文  参考訳（メタデータ） (2026-09-17T17:54:12Z)
• When Unpaired Sets Support Shared-Corruption Calibration: Moment Geometry and Two-Sample Precision [5.254084723324815]
  観測間で共有される所定の低次元補正のために、観測およびクリーン参照セットは、固定モーメントの応答を通してのみ推論をサポートする。 この問題を2サンプルのモーメントキャリブレーションとして定式化し、局所的なランク、スケールされたモーメント感度、ソース境界共分散、モーメント整合性残差を組み合わせたランク認識情報状態について報告する。
  論文  参考訳（メタデータ） (2026-08-11T04:39:54Z)
• ARC: Adaptive Robust Joint State and Covariance Estimation [42.045109659898465]
  センサの測定は、外れ値と非ガウスノイズによって頻繁に破壊される。 センサデータのこれらの不完全性は、古典的状態推定器がバイアス付きで信頼性の低い状態と不確実性の推定を発生させる可能性がある。 本稿では,標準対応型適応ロバスト損失と反復重み付けされたLast-Squares状態更新を組み合わせたBlock-Coordinate Descentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-18T16:09:50Z)
• 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)
• 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)
• Consistent and Asymptotically Unbiased Estimation of Proper Calibration Errors [23.819464242327257]
  本稿では,全ての適切な校正誤差と精錬項を一貫した推定を可能にする手法を提案する。 ニューラルネットワークにおける情報単調性を意味するf-分節と精製の関係を実証する。 本実験は,提案した推定器のクレーム特性を検証し,特に関心のキャリブレーション誤差によって,ポストホックキャリブレーション法の選択が決定されるべきであることを示唆した。
  論文  参考訳（メタデータ） (2023-12-14T01:20:08Z)
• Parametric and Multivariate Uncertainty Calibration for Regression and Object Detection [4.630093015127541]
  一般的な検出モデルでは,観測誤差と比較して空間的不確かさが過大評価されている。 実験の結果, 簡便な等速回帰補正法は, 良好な校正不確実性を実現するのに十分であることがわかった。 対照的に、後続のプロセスに正規分布が必要な場合、GP-Normal再校正法が最良の結果をもたらす。
  論文  参考訳（メタデータ） (2022-07-04T08:00:20Z)
• 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)

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。