Self-Supervised Online Camera Calibration for Automated Driving and Parking Applications

要約

カメラベースの認識システムは、最新の自動運転車において中心的な役割を果たしています。
これらのカメラベースの認識アルゴリズムでは、現実世界の距離を画像ピクセルにマッピングするための正確なキャリブレーションが必要です。
実際には、キャリブレーションは、特殊なデータ収集と慎重な調整を必要とする面倒な手順です。
このプロセスは、カメラのパラメータが変化するたびに繰り返す必要があり、自動運転車では頻繁に発生する可能性があります。
したがって、カメラが正確であることを確認するために定期的に校正する必要があります。
カメラの固有および外部キャリブレーションをリアルタイムで学習するための深層学習フレームワークが提案されています。
このフレームワークは自己監視型であり、キャリブレーション パラメーターを学習するためにラベル付けや監視を必要としません。
このフレームワークは、物理的なターゲットを必要とせず、また特別な平面上で車を運転する必要もなく、キャリブレーションを学習します。

要約(オリジナル)

Camera-based perception systems play a central role in modern autonomous vehicles. These camera based perception algorithms require an accurate calibration to map the real world distances to image pixels. In practice, calibration is a laborious procedure requiring specialised data collection and careful tuning. This process must be repeated whenever the parameters of the camera change, which can be a frequent occurrence in autonomous vehicles. Hence there is a need to calibrate at regular intervals to ensure the camera is accurate. Proposed is a deep learning framework to learn intrinsic and extrinsic calibration of the camera in real time. The framework is self-supervised and doesn’t require any labelling or supervision to learn the calibration parameters. The framework learns calibration without the need for any physical targets or to drive the car on special planar surfaces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google