GMMCalib: Extrinsic Calibration of LiDAR Sensors using GMM-based Joint Registration

要約

最新のLiDARキャリブレーションフレームワークは、主に反復的最接近法（ICP）やその亜種のような非確率的レジストレーション法を使用しています。これらの方法は、ペアワイズレジストレーションの手順や、初期設定やパラメータ設定に敏感なため、偏った結果に悩まされます。これはしばしばキャリブレーションプロセスでのミスアラインメントにつながる。確率的レジストレーション法は、オブザベーションの確率的性質を特にモデル化することにより、これらの欠点を補う。本論文では、マルチLiDARシステムのための自動的なターゲットベースの外部校正アプローチであるGMMCalibを紹介します。複数の点群の共同登録を可能にするガウス混合モデル（GMM）ベースの登録法の実装を使用し、このデータ駆動型アプローチをICPアルゴリズムと比較する。EDGAR研究車両のデジタルツインを用いたシミュレーション実験を行い、実環境での結果を検証する。また、外部センサー校正のための局所登録法の局所最小値問題を取り上げ、校正結果を評価するために距離ベースのメトリックを使用する。その結果、GMMベースのレジストレーションアルゴリズムを用いることで、センサーの誤較正に対するロバスト性が向上することが示された。コードはオープンソースであり、GitHubで入手可能である。

要約(オリジナル)

State-of-the-art LiDAR calibration frameworks mainly use non-probabilistic registration methods such as Iterative Closest Point (ICP) and its variants. These methods suffer from biased results due to their pair-wise registration procedure as well as their sensitivity to initialization and parameterization. This often leads to misalignments in the calibration process. Probabilistic registration methods compensate for these drawbacks by specifically modeling the probabilistic nature of the observations. This paper presents GMMCalib, an automatic target-based extrinsic calibration approach for multi-LiDAR systems. Using an implementation of a Gaussian Mixture Model (GMM)-based registration method that allows joint registration of multiple point clouds, this data-driven approach is compared to ICP algorithms. We perform simulation experiments using the digital twin of the EDGAR research vehicle and validate the results in a real-world environment. We also address the local minima problem of local registration methods for extrinsic sensor calibration and use a distance-based metric to evaluate the calibration results. Our results show that an increase in robustness against sensor miscalibrations can be achieved by using GMM-based registration algorithms. The code is open source and available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL