Robust Extrinsic Self-Calibration of Camera and Solid State LiDAR

要約

このレターでは、単眼カメラとプリズム回転ソリッドステート LiDAR のペアに対する外部キャリブレーション アプローチを提案しています。
花のようなスキャン パターンから測定されたポイント クラウドの固有の特性は、前景のターゲットと背景のオブジェクト間の外れ値の一種である空きポイントとして最初に開示されます。
深度連続測定のみを使用する既存の方法とは異なり、深度不連続測定を使用して、より有効なフィーチャを保持し、空きポイントを効率的に削除します。
したがって、検出された 3D コーナーの数が多いほど、通常よりもロバストな先験的情報が含まれており、オーバーラップ カメラによって検出され、提案された円形性および直角性ルールによって制約された 2D コーナーと共に、正確な外部推定値が生成されます。
このアルゴリズムは、定性的および定量的な性能基準を採用した実際のフィールド実験で評価され、既存のアルゴリズムよりも優れていることがわかりました。
コードは GitHub で入手できます。

要約(オリジナル)

This letter proposes an extrinsic calibration approach for a pair of monocular camera and prism-spinning solid-state LiDAR. The unique characteristics of the point cloud measured resulting from the flower-like scanning pattern is first disclosed as the vacant points, a type of outlier between foreground target and background objects. Unlike existing method using only depth continuous measurements, we use depth discontinuous measurements to retain more valid features and efficiently remove vacant points. The larger number of detected 3D corners thus contain more robust a priori information than usual which, together with the 2D corners detected by overlapping cameras and constrained by the proposed circularity and rectangularity rules, produce accurate extrinsic estimates. The algorithm is evaluated with real field experiments adopting both qualitative and quantitative performance criteria, and found to be superior to existing algorithms. The code is available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google