Apr, 2024

PeLiCal: 通过穿透线进行有限共可见 RGB-D 相机的无目标外部标定

PDF
TL;DRRGB-D 相机在机器人感知中至关重要，由于其能够生成带有深度数据的图像。然而，它们的有限视野经常需要多个相机来覆盖更大的区域。在多相机 RGB-D 设置中，目标通常是减少相机重叠，以尽可能少的相机进行空间覆盖。这篇研究提出了一种新的基于线条的 RGB-D 相机系统校准方法，通过利用周围的长线特征，并使用一种新的收敛投票算法来滤除异常值，相对于现有方法实现了无需目标、实时和鲁棒性能。我们在 https://github.com/joomeok/PeLiCal.git 上开源了我们的实现。
rgb-d camerasmulti-camera rgb-d setupsextrinsic calibrationpelicalline-based calibration approach
发现论文，激发创造
  • 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

  • RGB-D 相机的鲁棒本质和外参校准

    本论文提出了一种基于新型两个组件误差模型的，人性化，可靠且准确的校准框架，能够很容易地估计一般颜色深度传感器的内部和外部参数，该方法相对于其他现有系统具有更高的校准精度，已经在 ROS 机器人框架中实现。

    Jan, 2017

  • 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

  • PseudoCal: 基于深度学习的无初始化相机 - LiDAR 自标定方法

    PseudoCal 是一种基于伪激光雷达概念的新型自校准方法，在自动驾驶车辆和移动机器人的上下文和约定中，能够独立于初始参数估计一次性完成校准，并解决现有方法无法解决的极端情况。

    Sep, 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

  • 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

  • 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

  • 使用优化理论和自监督学习的物理和语义信息多传感器校准

    提出了一种基于自监督学习和直接在线优化的方法，通过将三项传感器（相机，雷达和激光雷达）的物理特性和语义信息，综合校准实现无目标的校准，以实现安全可靠的自动驾驶技术。

    Jun, 2022

  • 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

  • EdgeCalib: 自动目标无关激光雷达相机校准的多帧加权边缘特征

    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。

    Oct, 2023