以下內(nèi)容來自從零開始機(jī)器人SLAM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#SST-Calib: Simultaneous Spatial-Temporal Parameter Calibration between LIDAR and Camera

論文地址：[2207.03704] SST-Calib: Simultaneous Spatial-Tempo...

作者單位：加州大學(xué) ?

在多輸入模式下，基于傳感器融合的算法通常優(yōu)于機(jī)器人領(lǐng)域的單模態(tài)算法。相機(jī)和激光雷達(dá)語義和深度信息互補(bǔ)，是復(fù)雜駕駛環(huán)境下檢測(cè)任務(wù)的典型選擇。然而，對(duì)于大多數(shù)相機(jī)-激光雷達(dá)融合算法，傳感器套件的標(biāo)定將極大地影響其性能。更具體地說，檢測(cè)算法通常需要多個(gè)傳感器之間精確的幾何關(guān)系作為輸入，通常假設(shè)同時(shí)捕獲來自這些傳感器。準(zhǔn)備這樣的傳感器套件需要設(shè)計(jì)標(biāo)定設(shè)備和精確的同步機(jī)制，而且準(zhǔn)備過程通常是離線完成的。在這項(xiàng)工作中，提出了一個(gè)基于分割的框架，以聯(lián)合估計(jì)幾何參數(shù)和時(shí)間參數(shù)在一個(gè)cameraLIDAR校正套件。首先對(duì)兩種傳感器模式應(yīng)用語義分割掩碼，并通過像素級(jí)雙向損耗優(yōu)化標(biāo)定參數(shù)。我們特別結(jié)合了光流的速度信息作為時(shí)間參數(shù)。由于監(jiān)督只在分割級(jí)別執(zhí)行，在框架內(nèi)不需要校準(zhǔn)標(biāo)簽。在KITTI數(shù)據(jù)集上對(duì)該算法進(jìn)行了測(cè)試，結(jié)果表明該算法對(duì)幾何參數(shù)和時(shí)間參數(shù)都具有精確的實(shí)時(shí)校正效果。

以上內(nèi)容來自從零開始機(jī)器人SLAM知識(shí)星球 每日更新內(nèi)容