A Target-Based Extrinsic Calibration Framework for Non-Overlapping Camera-Lidar Systems Using a Motion Capture System

要約

我々は、視野（FOV）が重複しないセンサーに使用できる、新しいターゲットベースのライダー-カメラ外部校正手法を提示する。これまでの研究とは異なり、本手法は、従来のローカライゼーションとマッピングの同時アプローチではなく、モーションキャプチャシステム（MCS）を用いて、FOVが重ならないという課題を克服する。MCSの高い相対精度により、我々の手法は、センサーの視野の重なり量に関係なく、従来のターゲットベースの手法に共通する高精度と再現可能な較正の両方を達成することができる。さらに、MSC測定によって可能となる反復的最近接点アプローチを用いることにより、一意に識別可能な特徴を必要としない、ターゲットに依存しない実装を設計する。シミュレーションにより、実際の状況で予想される真の較正に対する様々な摂動に対して、外部較正を正確に回復できることを示す。また、繰り返し高精度を保証するターゲットベースのアプローチを用いながら、FOVが重複しないシステムに使用できる最新のライダーカメラ外部較正法を凌駕することを実験的に証明する。最後に、シミュレーションにより、通常ほとんどの校正定式化では縮退していると考えられている円柱のような簡単に構築できる3Dターゲットを含め、さまざまなターゲット設計を使用できることを示す。

要約(オリジナル)

We present a novel target-based lidar-camera extrinsic calibration methodology that can be used for non-overlapping field of view (FOV) sensors. Contrary to previous work, our methodology overcomes the non-overlapping FOV challenge using a motion capture system (MCS) instead of traditional simultaneous localization and mapping approaches. Due to the high relative precision of MCSs, our methodology can achieve both the high accuracy and repeatable calibrations common to traditional target-based methods, regardless of the amount of overlap in the sensors’ field of view. Furthermore, we design a target-agnostic implementation that does not require uniquely identifiable features by using an iterative closest point approach, enabled by the MSC measurements. We show using simulation that we can accurately recover extrinsic calibrations for a range of perturbations to the true calibration that would be expected in real circumstances. We prove experimentally that our method out-performs state-of-the-art lidar-camera extrinsic calibration methods that can be used for non-overlapping FOV systems, while using a target-based approach that guarantees repeatably high accuracy. Lastly, we show in simulation that different target designs can be used, including easily constructed 3D targets such as a cylinder that are normally considered degenerate in most calibration formulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL