EdgeCalib: Multi-Frame Weighted Edge Features for Automatic Targetless LiDAR-Camera Calibration

要約

マルチモーダル認識システムでは、LiDAR とカメラの間で正確な外部キャリブレーションを達成することが非常に重要です。
以前のキャリブレーション方法では、特定のターゲットや手動調整が必要になることが多く、労力とコストがかかりました。
特徴に基づくオンライン キャリブレーション方法が提案されていますが、これらの方法は、不正確な特徴抽出、信頼性の低いクロスモダリティ関連付け、およびシーン固有の高い要件などの課題に直面しています。
これに対処するために、現実世界のシナリオにおける LiDAR とカメラの自動オンラインキャリブレーションのためのエッジベースのアプローチを導入します。
さまざまな環境に広く存在するエッジ フィーチャは、画像と点群の両方で位置合わせされて、外部パラメータを決定します。
具体的には、安定した堅牢な画像エッジ特徴が SAM ベースの方法を使用して抽出され、点群から抽出されたエッジ特徴が特徴フィルター用のマルチフレーム重み付け戦略を通じて重み付けされます。
最後に、正確な外部パラメータがエッジ対応制約に基づいて最適化されます。
KITTI データセットと当社のデータセットの両方で評価を実施しました。
結果は、最先端の回転精度 0.086{\deg} と平行移動精度 0.977 cm を示し、精度と堅牢性の両方で既存のエッジベースのキャリブレーション方法を上回っています。

要約(オリジナル)

In multimodal perception systems, achieving precise extrinsic calibration between LiDAR and camera is of critical importance. Previous calibration methods often required specific targets or manual adjustments, making them both labor-intensive and costly. Online calibration methods based on features have been proposed, but these methods encounter challenges such as imprecise feature extraction, unreliable cross-modality associations, and high scene-specific requirements. To address this, we introduce an edge-based approach for automatic online calibration of LiDAR and cameras in real-world scenarios. The edge features, which are prevalent in various environments, are aligned in both images and point clouds to determine the extrinsic parameters. Specifically, stable and robust image edge features are extracted using a SAM-based method and the edge features extracted from the point cloud are weighted through a multi-frame weighting strategy for feature filtering. Finally, accurate extrinsic parameters are optimized based on edge correspondence constraints. We conducted evaluations on both the KITTI dataset and our dataset. The results show a state-of-the-art rotation accuracy of 0.086{\deg} and a translation accuracy of 0.977 cm, outperforming existing edge-based calibration methods in both precision and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google