Oct, 2023

EdgeCalib: 自动目标无关激光雷达相机校准的多帧加权边缘特征

PDF
TL;DR在多模式感知系统中，精确进行 LiDAR 和相机之间的外部标定至关重要。我们介绍了一种基于边缘的方法，用于在实际场景中自动在线标定 LiDAR 和相机，通过在图像和点云中对齐边缘特征来确定外部参数，并通过边缘对应约束来优化准确的外部参数，结果表明其在精度和鲁棒性方面优于现有的基于边缘的标定方法。
发现论文，激发创造
  • 从混沌到校准：一种基于几何互信息的无目标相机 - LiDAR 外部标定方法

    无需训练数据、人工设计特征或离线优化的无目标外参校准算法，能够准确、精确且极其鲁棒地融合多个传感器的数据到共同的空间参考框架中，利用几何特征提供了稳健的用于相机 - 激光雷达外参校准的信息度量。

    Nov, 2023

  • RobustCalib：具有一致性学习的鲁棒激光雷达 - 相机外参标定

    在这篇论文中，我们提出了一种新的方法来解决激光雷达 - 相机外部参数标定问题，通过基于一致性学习的隐式重新标定，通过引入外观一致性损失和几何一致性损失来实现激光雷达和相机之间的一致性，进而提高对各种场景的适应性，并在推理过程中实现简单高效的表达，通过全面实验验证了我们的方法的准确性和鲁棒性，为进一步推动该领域的研究与开发，我们将发布我们的模型和代码。

    Dec, 2023

  • SceneCalib: 自动无标定目标的边缘计算机视觉和激光雷达校准

    本文介绍了 SceneCalib 这一新颖的方法，该方法能够同时自我校准多摄像头与激光雷达传感器之间的外参和内参，无需专门设计标定目标和人为干预，能够适应许多户外环境。此外，该方法还能够通过明确交叉摄像头约束来确保摄像头到激光雷达的外参和摄像头到摄像头的外参是一致的。

    Apr, 2023

  • 鱼眼相机和激光雷达连续在线外部标定

    所提出的算法通过使用常用的单目深度估计网络和激光雷达点云的几何距离之间的互信息作为外在校准的优化度量来不断自动更新车辆寿命周期内相机 - 激光雷达校准值，而无需校准目标、地面真实训练数据和昂贵的离线优化。

    Jun, 2023

  • 在线目标无关 LiDAR - 相机外参标定：基于跨模态掩膜匹配

    基于大视野模型（LVMs）的跨模态掩模匹配（C3M）算法，具备足够可靠的匹配能力，以实现在各种具有挑战性场景中的强韧且准确的在线、无目标式 LiDAR - 相机外参标定（LCEC）问题。

    Apr, 2024

  • 高精度在线无标志立体外参校准

    本文提出了一种实时的无标定板双目相机标定方法，该方法通过基于流形上的新型非线性优化将几何误差最小化，不需要时间特征对应性，对于动态场景的不变性和灯光变化具有鲁棒性和较快的运行速度，并通过在线实验展示了与离线基于标记的标定方法相当的精度。

    Mar, 2019

  • CalibFormer：基于 Transformer 的自动 LiDAR - 相机标定网络

    本文提出了一个自动 LiDAR - 相机校准的端到端网络 CalibFormer，通过整合多层相机和 LiDAR 图像特征以获得高分辨率表示，利用多头相关模块更准确地识别特征之间的相关性，并使用 Transformer 架构从相关信息中估计精确的校准参数。该方法在 KITTI 数据集上实现了 0.8751cm 的平均平移误差和 0.0562° 的平均旋转误差，超过了现有最先进方法，展示了强大的鲁棒性、准确性和泛化能力。

    Nov, 2023

  • 自主驾驶车辆完整激光雷达 - 相机自校准

    本文提出了一种名为 CaLiCa 的深度自校正网络，并针对针孔相机和 Lidar 自动进行校准。利用 KITTI 数据集的实验结果表明，通过单次推论可以实现 0.154 度和 0.059 米的精度，重投影误差为 0.028 像素。

    Apr, 2023

  • P2O-Calib: 使用点对空间遮挡关系进行相机 - LiDAR 标定

    基于三维空间中的遮挡关系，提出了一种新颖的无标定目标方法，该方法基于二维 - 三维边缘点提取。通过提取的二维 - 三维点对，进一步提出了一种遮挡引导的点匹配方法，该方法提高了校准准确性并降低了计算成本。在 KITTI 数据集上 qualitatively 和 quantitatively 评估了方法的性能，结果表明我们的方法优于现有的无标定方法，实现了低误差和高鲁棒性，可应用于依赖高质量相机 - LiDAR 标定的实际应用。

    Nov, 2023

  • 在线 LiDAR-Camera 外参自检

    基于神经网络和深度学习技术，本文提出了一种自动检测相机与激光雷达之间外参校准情况的算法，并针对该任务生成了一个新的数据集分支 (KITTI dataset) 用于性能测试。该方法可以广泛地应用于智能汽车等领域，这是第一篇关注校准外参重要性的研究工作。

    Oct, 2022