iKalibr: Unified Targetless Spatiotemporal Calibration for Resilient Integrated Inertial Systems

要約

統合慣性システムは、通常、IMU とレーダー、LiDAR、カメラなどの外受容センサーを統合したもので、自我運動推定、運動制御、自律探索などの最新のロボット アプリケーションに広く受け入れられ、適用されています。
システムの精度、堅牢性、およびさらなる使いやすさを向上させるために、通常、複数のさまざまなセンサーが弾力的に統合されており、これにより、耐障害性、認識能力、および環境互換性に関するシステム パフォーマンスが向上します。
このようなシステムでは、マルチセンサー フュージョンのための独自の時空間フレームワークを維持するために、正確で一貫した時空間キャリブレーションが必要です。
既存のキャリブレーション方法のほとんどは、(i) 一般的に特定の統合慣性システムを対象としている、(ii) 多くの場合空間決定のみに焦点を当てている、(iii) 通常は人工的なターゲットが必要であり、利便性と使いやすさに欠けていることを考慮して、私たちは iKalibr (ターゲットのない統合された時空間キャリブレーション フレームワーク) を提案します。
弾力性のある統合された慣性システムの場合、上記の問題を克服し、正確で一貫した校正の両方を可能にします。
iKalibr では現在、IMU、レーダー、LiDAR、カメラという合計 4 つの一般的に使用されているセンサーがサポートされています。
提案された方法は、厳密かつ効率的な動的初期化から始まり、推定器内のすべてのパラメーターが正確に回復されます。
その後、いくつかの連続時間ベースのバッチ最適化が実行され、初期化されたパラメーターが全体的に最適なパラメーターに調整されます。
iKalibr の実現可能性を検証し、キャリブレーション パフォーマンスを評価するために、十分な実世界での実験が行われました。
この結果は、iKalibr が正確な復元力のある時空間キャリブレーションを達成できることを示しています。
研究コミュニティに利益をもたらすために、(https://github.com/Unsigned-Long/iKalibr) で実装をオープンソース化しています。

要約(オリジナル)

The integrated inertial system, typically integrating an IMU and an exteroceptive sensor such as radar, LiDAR, and camera, has been widely accepted and applied in modern robotic applications for ego-motion estimation, motion control, or autonomous exploration. To improve system accuracy, robustness, and further usability, both multiple and various sensors are generally resiliently integrated, which benefits the system performance regarding failure tolerance, perception capability, and environment compatibility. For such systems, accurate and consistent spatiotemporal calibration is required to maintain a unique spatiotemporal framework for multi-sensor fusion. Considering most existing calibration methods (i) are generally oriented to specific integrated inertial systems, (ii) often only focus on spatial determination, (iii) usually require artificial targets, lacking convenience and usability, we propose iKalibr: a unified targetless spatiotemporal calibration framework for resilient integrated inertial systems, which overcomes the above issues, and enables both accurate and consistent calibration. Altogether four commonly employed sensors are supported in iKalibr currently, namely IMU, radar, LiDAR, and camera. The proposed method starts with a rigorous and efficient dynamic initialization, where all parameters in the estimator would be accurately recovered. Following that, several continuous-time-based batch optimizations would be carried out to refine initialized parameters to global optimal ones. Sufficient real-world experiments were conducted to verify the feasibility and evaluate the calibration performance of iKalibr. The results demonstrate that iKalibr can achieve accurate resilient spatiotemporal calibration. We open-source our implementations at (https://github.com/Unsigned-Long/iKalibr) to benefit the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google