以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# Online Camera-to-ground Calibration for Autonomous Driving

論文地址：https://arxiv.org/abs/2303.17137

作者單位：通用汽車

在線相機(jī)對(duì)地標(biāo)定是實(shí)時(shí)生成相機(jī)與路面之間的非剛體變換。現(xiàn)有的解決方案使用靜態(tài)校準(zhǔn)，受環(huán)境變化的影響，例如輪胎壓力變化、車輛負(fù)荷量變化和路面多樣性。其他在線解決方案利用道路元素的使用或圖像之間重疊視圖之間的光度一致性，這需要連續(xù)檢測(cè)道路上的特定目標(biāo)或使用多個(gè)相機(jī)協(xié)助進(jìn)行校準(zhǔn)。在我們的工作中，我們提出了一種在線單目相機(jī)對(duì)地標(biāo)定解決方案，該方案在駕駛時(shí)不使用任何特定的目標(biāo)。

我們通過車輪里程計(jì)從粗到精的方法提取地面特征，并通過基于滑動(dòng)窗口的因子圖優(yōu)化來估計(jì)相機(jī)-地面校準(zhǔn)參數(shù)?？紤]到駕駛過程中相機(jī)到地面的非剛性轉(zhuǎn)換，我們提供了量化標(biāo)定性能的度量和停止準(zhǔn)則來報(bào)告/廣播我們滿意的標(biāo)定結(jié)果。使用真實(shí)世界的數(shù)據(jù)進(jìn)行的大量實(shí)驗(yàn)表明，我們的算法是有效的，并且性能優(yōu)于最先進(jìn)的技術(shù)。?

當(dāng)車輛在道路上運(yùn)動(dòng)時(shí)，我們不使用任何特定的校準(zhǔn)目標(biāo)，而是執(zhí)行從粗到精的方法來獲取地面特征，并在因子圖中優(yōu)化相機(jī)對(duì)地校準(zhǔn)參數(shù)。我們利用地平線來區(qū)分圖像中的地面和非地面區(qū)域，通過車輪里程計(jì)預(yù)測(cè)地面特征的位置，并使用基于幾何的方法驗(yàn)證地面特征。我們對(duì)三角化的地物進(jìn)行平面擬合，得到地法向量和相機(jī)中心到地面的高度，并通過因子圖優(yōu)化進(jìn)一步細(xì)化，以確定相機(jī)到地面的轉(zhuǎn)換?？紤]到駕駛過程中攝像機(jī)與地面的非剛性轉(zhuǎn)換，本文還提出了量化標(biāo)定性能的指標(biāo)和保證標(biāo)定質(zhì)量的停止準(zhǔn)則。我們的算法已經(jīng)使用真實(shí)世界的數(shù)據(jù)被證明是有效的。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容