傳感器標(biāo)定兩篇頂會(huì)論文解析

一．在城市環(huán)境中的多個(gè)3D激光雷達(dá)的自動(dòng)校準(zhǔn)

標(biāo)題：Automatic Calibration of Multiple 3D LiDARs in Urban
Environments

作者：Jianhao Jiao, Yang Yu, Qinghai Liao, Haoyang Ye, Rui Fan,
Ming Liu

來(lái)源：2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

摘要

自動(dòng)駕駛汽車(chē)上逐漸出現(xiàn)了多個(gè)激光雷達(dá)，以提供豐富的視野和密集的測(cè)量結(jié)果。然而，精確校準(zhǔn)的缺失，對(duì)它們的潛在應(yīng)用有負(fù)面的影響。在本文中，我們提出了一個(gè)新穎的系統(tǒng)，該系統(tǒng)能夠在不需要任何校準(zhǔn)目標(biāo)，先驗(yàn)環(huán)境信息，以及手動(dòng)初始化的情況下，實(shí)現(xiàn)多激光雷達(dá)的自動(dòng)校準(zhǔn)。我們的方法從通過(guò)對(duì)齊每個(gè)傳感器的運(yùn)動(dòng)開(kāi)始，進(jìn)行手眼校準(zhǔn)。然后通過(guò)最小化由點(diǎn)平面距離構(gòu)造的損失函數(shù)，通過(guò)基于外觀的方法精細(xì)化初始的結(jié)果。

基于仿真和真實(shí)世界數(shù)據(jù)的實(shí)驗(yàn)結(jié)果，表明了我們的校準(zhǔn)方法的可靠性和準(zhǔn)確性。對(duì)于運(yùn)動(dòng)平臺(tái)來(lái)說(shuō)，我們提出的方法能夠分別以0.04弧度和0.1m的旋轉(zhuǎn)和平移誤差來(lái)校準(zhǔn)一個(gè)多激光雷達(dá)系統(tǒng)。

圖1 頂部為由未知外參的多雷達(dá)系統(tǒng)組成的車(chē)輛；底部的兩個(gè)白色框中，表示的是單個(gè)激光雷達(dá)配置的兩個(gè)缺點(diǎn)：A，測(cè)量稀疏性；B，遮擋。

圖2 提出的方法的管道流程以及校準(zhǔn)后的融合點(diǎn)云。（注意，紅，綠，紫色的點(diǎn)云分別表示的是車(chē)頂部，前面，尾部的雷達(dá)捕獲的數(shù)據(jù)。）

表1 基于仿真數(shù)據(jù)的初始校準(zhǔn)結(jié)果。

表2 我們的多激光雷達(dá)系統(tǒng)校準(zhǔn)的真實(shí)結(jié)果。

二．具有無(wú)尺度傳感器的車(chē)輛的魯棒外參校準(zhǔn)框架

標(biāo)題：A Robust Extrinsic Calibration Framework for Vehicles with
Unscaled Sensors

作者：Celyn Walters, Oscar Mendez, Simon Hadfield, Richard
Bowden

來(lái)源：2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

摘要

準(zhǔn)確的外部傳感器校準(zhǔn)對(duì)于自動(dòng)駕駛車(chē)輛和機(jī)器人都是必不可少的。傳統(tǒng)上，這是一個(gè)已知基準(zhǔn)標(biāo)記，涉及校準(zhǔn)目標(biāo)的過(guò)程，它通常在實(shí)驗(yàn)室中進(jìn)行。而且，傳感器布局的很小變化都會(huì)導(dǎo)致需要重新校準(zhǔn)。隨著消費(fèi)者自動(dòng)駕駛汽車(chē)的預(yù)計(jì)到來(lái)，有這樣的一個(gè)需求：在部署后不需要專門(mén)的人類專業(yè)知識(shí)，讓系統(tǒng)自動(dòng)進(jìn)行校準(zhǔn)。

為了解決這一限制，我們提出了一個(gè)靈活的框架，它無(wú)需明確的校準(zhǔn)階段，即可估算外參，即使對(duì)于尺度未知的傳感器也是如此。我們的第一個(gè)貢獻(xiàn)是，通過(guò)聯(lián)合恢復(fù)尺度來(lái)建立標(biāo)準(zhǔn)的手眼校準(zhǔn)。我們的第二個(gè)貢獻(xiàn)是通過(guò)收集獨(dú)立的位姿集并自動(dòng)選擇最理想的位姿，我們的系統(tǒng)對(duì)于不完善和退化的傳感器數(shù)據(jù)具有強(qiáng)大的魯棒性。

我們展示了我們方法的魯棒性對(duì)于目標(biāo)場(chǎng)景至關(guān)重要。和先前的方法不同，我們的方法能夠?qū)崟r(shí)且不斷地估計(jì)外部的變換。和這些方法的相比，對(duì)于理想的實(shí)驗(yàn)設(shè)置和真實(shí)的使用案例，我們的方法展示了比最先進(jìn)的方法更佳的性能。而且，我們證明恢復(fù)的尺度可能被應(yīng)用于整個(gè)軌跡，從而避免了通過(guò)傳感器融合進(jìn)行需要的尺度估計(jì)。

圖1 綠色和紅色的傳感器軌跡被用來(lái)恢復(fù)它們之間固定的外部變換，如圖中黃線所示。

圖2 校準(zhǔn)框架的系統(tǒng)框圖。

圖3 對(duì)于兩個(gè)傳感器A和B的手眼校準(zhǔn)概述。A1-3和B1-3分別以一個(gè)未知的相對(duì)于它們?cè)嘉恢肙_A和O_B的坐標(biāo)系被記錄。當(dāng)被正確放置，它們的軌跡有不變的變換X。

表1 旋轉(zhuǎn)和平移校準(zhǔn)誤差，以及使用該校準(zhǔn)得到的軌跡誤差評(píng)估結(jié)果。

表2 對(duì)于兩個(gè)不同的序列長(zhǎng)度，當(dāng)校準(zhǔn)單目VO到輪式里程計(jì)+陀螺儀時(shí)的平移誤差。

表3 對(duì)于KITTI單目序列8，相對(duì)真實(shí)情況的不同傳感器間的校準(zhǔn)結(jié)果。

總結(jié)

以上是生活随笔為你收集整理的传感器标定两篇顶会论文解析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。