Online Camera-to-ground Calibration for Autonomous Driving

要約

タイトル：自律走行のためのオンラインカメラ-地面キャリブレーション
要約：
– オンラインカメラ-地面キャリブレーションを行うことで、カメラと地面の間の非剛体変換をリアルタイムで生成することができる。
– 現存するソリューションは静的キャリブレーションを使用しており、タイヤ空気圧の変化、車両積載量の変化、道路面の多様性などの環境の変化に弱い。
– 本研究では、運転中に特定のターゲットを使用せずに、オンライン単眼カメラ-地面キャリブレーションソリューションの提案を行っている。
– ホイールオドメトリを介して地面特徴の抽出を行い、スライディングウィンドウベースのファクターグラフ最適化によってカメラ-地面キャリブレーションパラメータを推定する。
– 運転中のカメラ-地面の非剛体変換を考慮し、キャリブレーションパフォーマンスを評価するメトリクスと、良好なキャリブレーション結果を報告/放送するための停止基準を提供している。
– 実際のデータを使用した大規模な実験により、我々のアルゴリズムが有効であり、最新の技術を上回っていることが示されている。

要約(オリジナル)

Online camera-to-ground calibration is to generate a non-rigid body transformation between the camera and the road surface in a real-time manner. Existing solutions utilize static calibration, suffering from environmental variations such as tire pressure changes, vehicle loading volume variations, and road surface diversity. Other online solutions exploit the usage of road elements or photometric consistency between overlapping views across images, which require continuous detection of specific targets on the road or assistance with multiple cameras to facilitate calibration. In our work, we propose an online monocular camera-to-ground calibration solution that does not utilize any specific targets while driving. We perform a coarse-to-fine approach for ground feature extraction through wheel odometry and estimate the camera-to-ground calibration parameters through a sliding-window-based factor graph optimization. Considering the non-rigid transformation of camera-to-ground while driving, we provide metrics to quantify calibration performance and stopping criteria to report/broadcast our satisfying calibration results. Extensive experiments using real-world data demonstrate that our algorithm is effective and outperforms state-of-the-art techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI