要約
信頼性が高く、全天候型の長距離センシングの能力により、Lidarとレーダーの融合は、堅牢な知覚のために自律的な車両に広く適用されています。
実際の動作では、マルチモーダルセンサーの融合に重要な、手動で較正された外因性パラメーターが振動により漂う可能性があります。
この問題に対処するために、Liracoと呼ばれる新しいターゲットレスキャリブレーションアプローチを、Lidarおよびレーダーセンサーの外因性6DOFキャリブレーションについて提示します。
どちらのタイプのセンサーも幾何学的な情報を取得できますが、明示的な人工マーカーの手がかりなしにマルチモーダルデータ間の幾何学的対応を埋めることは、主にスキャンレーダーの垂直解像度が低いためです。
ターゲットレスのキャリブレーションを実現するために、Liracoは、両方のセンサーの距離とのデータスパース性の増加を考慮して、一般的な円筒形の表現におけるLidarポイント雲とレーダースキャンの間の空間占領の一貫性を活用します。
具体的には、Liracoは有効なレーダースキャンピクセルを3D占有グリッドに拡張して、空間的一貫性に基づいてLidarポイントクラウドを制限します。
その結果、3DグリッドとLIDARポイントの空間オーバーラップに基づいて、外因性キャリブレーションパラメーターを含むコスト関数が策定されます。
外因性パラメーターは、コスト関数を最適化することにより最終的に推定されます。
異なるLIDARセンサーを備えた2つの実際の屋外データセットでの包括的な定量的および定性的実験は、提案された方法の実現可能性と精度を示しています。
ソースコードは公開されます。
要約(オリジナル)
Owing to the capability for reliable and all-weather long-range sensing, the fusion of LiDAR and Radar has been widely applied to autonomous vehicles for robust perception. In practical operation, well manually calibrated extrinsic parameters, which are crucial for the fusion of multi-modal sensors, may drift due to the vibration. To address this issue, we present a novel targetless calibration approach, termed LiRaCo, for the extrinsic 6DoF calibration of LiDAR and Radar sensors. Although both types of sensors can obtain geometric information, bridging the geometric correspondences between multi-modal data without any clues of explicit artificial markers is nontrivial, mainly due to the low vertical resolution of scanning Radar. To achieve the targetless calibration, LiRaCo leverages a spatial occupancy consistency between LiDAR point clouds and Radar scans in a common cylindrical representation, considering the increasing data sparsity with distance for both sensors. Specifically, LiRaCo expands the valid Radar scanned pixels into 3D occupancy grids to constrain LiDAR point clouds based on spatial consistency. Consequently, a cost function involving extrinsic calibration parameters is formulated based on the spatial overlap of 3D grids and LiDAR points. Extrinsic parameters are finally estimated by optimizing the cost function. Comprehensive quantitative and qualitative experiments on two real outdoor datasets with different LiDAR sensors demonstrate the feasibility and accuracy of the proposed method. The source code will be publicly available.
arxiv情報
著者 | Weimin Wang,Yu Du,Ting Yang,Yu Liu |
発行日 | 2025-03-21 10:09:04+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google