傳感器標定兩篇頂會論文解析

一．在城市環境中的多個3D激光雷達的自動校準

標題：Automatic Calibration of Multiple 3D LiDARs in Urban
Environments

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

來源：2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

摘要

自動駕駛汽車上逐漸出現了多個激光雷達，以提供豐富的視野和密集的測量結果。然而，精確校準的缺失，對它們的潛在應用有負面的影響。在本文中，我們提出了一個新穎的系統，該系統能夠在不需要任何校準目標，先驗環境信息，以及手動初始化的情況下，實現多激光雷達的自動校準。我們的方法從通過對齊每個傳感器的運動開始，進行手眼校準。然后通過最小化由點平面距離構造的損失函數，通過基于外觀的方法精細化初始的結果。

基于仿真和真實世界數據的實驗結果，表明了我們的校準方法的可靠性和準確性。對于運動平臺來說，我們提出的方法能夠分別以0.04弧度和0.1m的旋轉和平移誤差來校準一個多激光雷達系統。

圖1 頂部為由未知外參的多雷達系統組成的車輛；底部的兩個白色框中，表示的是單個激光雷達配置的兩個缺點：A，測量稀疏性；B，遮擋。

圖2 提出的方法的管道流程以及校準后的融合點云。（注意，紅，綠，紫色的點云分別表示的是車頂部，前面，尾部的雷達捕獲的數據。）

表1 基于仿真數據的初始校準結果。

表2 我們的多激光雷達系統校準的真實結果。

二．具有無尺度傳感器的車輛的魯棒外參校準框架

標題：A Robust Extrinsic Calibration Framework for Vehicles with
Unscaled Sensors

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

來源：2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

摘要

準確的外部傳感器校準對于自動駕駛車輛和機器人都是必不可少的。傳統上，這是一個已知基準標記，涉及校準目標的過程，它通常在實驗室中進行。而且，傳感器布局的很小變化都會導致需要重新校準。隨著消費者自動駕駛汽車的預計到來，有這樣的一個需求：在部署后不需要專門的人類專業知識，讓系統自動進行校準。

為了解決這一限制，我們提出了一個靈活的框架，它無需明確的校準階段，即可估算外參，即使對于尺度未知的傳感器也是如此。我們的第一個貢獻是，通過聯合恢復尺度來建立標準的手眼校準。我們的第二個貢獻是通過收集獨立的位姿集并自動選擇最理想的位姿，我們的系統對于不完善和退化的傳感器數據具有強大的魯棒性。

我們展示了我們方法的魯棒性對于目標場景至關重要。和先前的方法不同，我們的方法能夠實時且不斷地估計外部的變換。和這些方法的相比，對于理想的實驗設置和真實的使用案例，我們的方法展示了比最先進的方法更佳的性能。而且，我們證明恢復的尺度可能被應用于整個軌跡，從而避免了通過傳感器融合進行需要的尺度估計。

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

圖2 校準框架的系統框圖。

圖3 對于兩個傳感器A和B的手眼校準概述。A1-3和B1-3分別以一個未知的相對于它們原始位置O_A和O_B的坐標系被記錄。當被正確放置，它們的軌跡有不變的變換X。

表1 旋轉和平移校準誤差，以及使用該校準得到的軌跡誤差評估結果。

表2 對于兩個不同的序列長度，當校準單目VO到輪式里程計+陀螺儀時的平移誤差。

表3 對于KITTI單目序列8，相對真實情況的不同傳感器間的校準結果。

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。