Motion-based extrinsic sensor-to-sensor calibration: Effect of reference frame selection for new and existing methods

要約

本論文では、センサー間の外部キャリブレーションにおいて、動きに基づく手と目のキャリブレーション問題として定式化した場合の参照フレーム選択の効果について研究する。様々なノイズ条件下で異なる参照フレーム選択オプションをシミュレーションでテストし、その結果をKITTIデータセットからの実データで検証する。我々は最適化のための2つの非線形コスト関数を提案し、4つの最新手法と比較した。提案したコスト関数の1つは、校正性能を向上させるために外れ値除去を組み込んでおり、外れ値の存在下で性能を大幅に向上させ、他のノイズ条件では他のアルゴリズムと同等か上回ることが示された。しかし、参照フレーム選択による性能向上は、アルゴリズム選択による性能向上よりも大きいと判断された。さらに、現実的なノイズでは、文献で一般的に使われている参照フレーム選択法は、テストした他の選択肢よりも劣っており、どの方法が最高の校正性能を達成するかを語るには、相対誤差の指標は信頼できないことを示す。

要約(オリジナル)

This paper studies the effect of reference frame selection in sensor-to-sensor extrinsic calibration when formulated as a motion-based hand-eye calibration problem. Different reference selection options are tested under varying noise conditions in simulation, and the findings are validated with real data from the KITTI dataset. We propose two nonlinear cost functions for optimization and compare them with four state-of-the-art methods. One of the proposed cost functions incorporates outlier rejection to improve calibration performance and was shown to significantly improve performance in the presence of outliers, and either match or outperform the other algorithms in other noise conditions. However, the performance gain from reference frame selection was deemed larger than that from algorithm selection. In addition, we show that with realistic noise, the reference frame selection method commonly used in literature is inferior to other tested options, and that relative error metrics are not reliable for telling which method achieves best calibration performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL