Targetless Intrinsics and Extrinsic Calibration of Multiple LiDARs and Cameras with IMU using Continuous-Time Estimation

要約

正確な時空間キャリブレーションは、マルチセンサー フュージョンの前提条件です。
ただし、センサーは通常非同期であり、カメラと LiDAR の視野の間に重複がないため、内部および外部パラメーターの校正に課題が生じています。
これに対処するために、内部および外部キャリブレーション (6 DOF 変換と時間オフセット) を同時に実行できる連続時間およびバンドル調整 (BA) に基づくキャリブレーション パイプラインを提案します。
重複する視野やキャリブレーションボードは必要ありません。
まず、Structure from Motion (SFM) を使用してカメラ間のデータの関連付けを確立し、カメラ固有の自己校正を実行します。
次に、適応ボクセル マップ構築を通じて LiDAR 間のデータの関連付けを確立し、マップ内の外部キャリブレーションを最適化します。
最後に、LiDAR マップの強度投影とカメラ画像の間の特徴を照合することにより、内部パラメータと外部パラメータの共同最適化を実行します。
このパイプラインはテクスチャリッチな構造化環境で機能し、複雑なセンサー同期トリガーを必要とせずに、任意の数のカメラと LiDAR を同時にキャリブレーションできます。
実験結果は、誤差を蓄積することなくセンサー間の相互可視性と運動の制約を満たすこの方法の能力を実証しています。

要約(オリジナル)

Accurate spatiotemporal calibration is a prerequisite for multisensor fusion. However, sensors are typically asynchronous, and there is no overlap between the fields of view of cameras and LiDARs, posing challenges for intrinsic and extrinsic parameter calibration. To address this, we propose a calibration pipeline based on continuous-time and bundle adjustment (BA) capable of simultaneous intrinsic and extrinsic calibration (6 DOF transformation and time offset). We do not require overlapping fields of view or any calibration board. Firstly, we establish data associations between cameras using Structure from Motion (SFM) and perform self-calibration of camera intrinsics. Then, we establish data associations between LiDARs through adaptive voxel map construction, optimizing for extrinsic calibration within the map. Finally, by matching features between the intensity projection of LiDAR maps and camera images, we conduct joint optimization for intrinsic and extrinsic parameters. This pipeline functions in texture-rich structured environments, allowing simultaneous calibration of any number of cameras and LiDARs without the need for intricate sensor synchronization triggers. Experimental results demonstrate our method’s ability to fulfill co-visibility and motion constraints between sensors without accumulating errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google