論文の概要: Generalizable Target-Less Joint Intrinsic-Extrinsic Camera-LiDAR Calibration using Deep Pixel-Point Correspondences

• arxiv url: http://arxiv.org/abs/2610.37350v1
• Date: Tue, 27 Oct 2026 14:51:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.666044
• Title: Generalizable Target-Less Joint Intrinsic-Extrinsic Camera-LiDAR Calibration using Deep Pixel-Point Correspondences
• Title（参考訳）: ディープ・ピクセル・ポイント対応を用いた汎用型目標レス関節内在型カメラ-LiDAR校正
• Abstract要約: 本稿では, 原画像とLiDARスキャンから, カメラ内在物, ラジアル三角歪み, およびカメラ-LiDAR外在物とを共同で推定する, 全自動目標レスフレームワークを提案する。 我々は、KITTIデータセットと3つの実際のロボットプラットフォームから、見えないカメラ-LiDAR構成をゼロショットで評価する。
• 参考スコア（独自算出の注目度）: 17.541015611401185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate camera-LiDAR calibration is an essential prerequisite for robust multi-modal perception in robotics. Recent target-less methods based on learned pixel-point correspondences achieve high extrinsic calibration accuracy and generalize across environments. However, they operate on rectified images with known camera intrinsics, restricting their applicability to systems whose cameras have already been individually calibrated. We present a fully automatic, target-less framework that jointly estimates camera intrinsics, radial-tangential distortion, and camera-LiDAR extrinsics from raw images and LiDAR scans. Our method generalizes deep correspondence-based calibration from rectified images to raw cameras through intrinsic- and distortion-aware correspondence learning via synthetic augmentations. During calibration, we iteratively couple correspondence prediction and nonlinear optimization to jointly refine the camera parameters and relative sensor transformation. We evaluate our approach on an unseen camera-LiDAR configuration from the KITTI dataset and on three real robotic platforms in a zero-shot manner. The results demonstrate that joint calibration with our generalized pixel-point correspondence network improves extrinsic accuracy over correspondence-based methods using pre-calibrated cameras, while additionally recovering accurate intrinsics.
• Abstract（参考訳）: 正確なカメラ-LiDARキャリブレーションは、ロボット工学における堅牢なマルチモーダル認識の必須条件である。 学習画素点対応に基づく最近のターゲットレス手法は, 外部校正精度が高く, 環境全体にわたって一般化されている。 しかし、彼らは既知のカメラ固有の補正画像を運用し、カメラが個別に校正されているシステムに適用性を制限する。 本稿では, 原画像とLiDARスキャンから, カメラ内在物, ラジアル三角歪み, およびカメラ-LiDAR外在物とを共同で推定する, 全自動目標レスフレームワークを提案する。 本手法は,補正画像から生カメラへの深い対応性に基づくキャリブレーションを,合成拡張による内在・歪み対応対応学習により一般化する。 キャリブレーション中、カメラパラメータと相対センサ変換を協調的に洗練するために、対応予測と非線形最適化を反復的に組み合わせる。 我々は、KITTIデータセットと3つの実際のロボットプラットフォームから、見えないカメラ-LiDAR構成をゼロショットで評価する。 その結果、一般化画素点対応ネットワークとの連接校正により、予め校正したカメラを用いた通信方式による外在精度が向上し、精度の高い内在性も回復することを示した。

関連論文リスト

• Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences [17.541015611401185]
  我々は,カメラ内在とカメラ-LiDAR外在物と,ピクセル・ポイントの深部対応を推定する,最初の完全なターゲットレスパイプラインを提案する。 本手法はカメラとLiDARのペアでKITTIデータセット上で評価し, 関節キャリブレーションにより外生精度が向上し, さらに正確な内生特性を回復できることを実証した。
  論文  参考訳（メタデータ） (2026-05-22T09:09:21Z)
• 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)
• 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)
• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• How to Calibrate Your Event Camera [58.80418612800161]
  画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。 ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
  論文  参考訳（メタデータ） (2021-05-26T07:06:58Z)
• 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)
• Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
  パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。 Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。 本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
  論文  参考訳（メタデータ） (2020-07-30T09:21:04Z)

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。