使用球面目标自动标定雷达-相机外参

最新推荐文章于 2023-07-17 00:30:00 发布

3Ｄ视觉工坊

最新推荐文章于 2023-07-17 00:30:00 发布

阅读量476

点赞数

文章标签：算法人工智能机器学习计算机视觉编程语言

原文链接：https://mp.weixin.qq.com/s?__biz=MzU1MjY4MTA1MQ==&mid=2247580735&idx=3&sn=881f5571338f11b13a34499bfbdb5461&chksm=fbfd970bcc8a1e1d878e7170f6995feda51fbb4c1ebae66bc3552aba2b761b330964e2509efa&scene=126&&sessionid=0

版权

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

泡泡点云时空，带你精读点云领域顶级会议文章

标题：Automatic LiDAR-Camera Calibration of Extrinsic Parameters Using a Spherical Target

作者：Tekla Toth and Zoltan Pusztai and Levente Hajder

来源：ICRA2020

编译：孙钦

审核：王志勇

摘要

本文调研了不同模态设备的标定过程，这是计算机视觉中的一个重要的步骤。我们提出了一个雷达-相机系统的完全自动的外参标定方法。我们的方法将球面作为它们的表面，且可以在点云和相机图像中分别精确地检测到该轮廓。在合成和真实数据中的实验表明，我们的自动算法快且鲁棒，它生成了精确的相机与雷达的外参。

主要贡献

我们揭示了在检测到已校准的相机图像中的椭圆的轮廓，且球的半径已知的情况下，空间中的球心是如何被估计的；
我们提出了一个新颖的自动化管道来标定雷达-相机设备。

方法流程

本文提出的方法的数据管道如上图所示，第1步是基础步骤，它用雷达点云来估计球心（和球的半径）; 第2步，利用相机图像估计球心; 第3步，相机和雷达间的相对位姿估计。

1, 基于雷达数据的球中心估计

通过最小化最小二乘误差来估计球心坐标（x0, y0, z0），优化方程如下：

分别对优化变量x0, y0, z0, r求偏导有：

将式（2）中的r带入另外三个方程中，可迭代估计出球心(x0, y0, z0)，以及球的半径r。

2, 基于相机图像的球心估计

当射线与球面相切时，方程在球面边界处只有一个根(或者说两个相同的根），此时可使用一元二次方程判别式有：

然后优化估计球面中心，将式（8）写成矩阵的形式有：

要估计的参数是x0,y0,z0, alpha，半径r是已知的，因为可以从雷达数据中获取它的估计值或者从校准对象（即用于标定球）中拿到。

3, 通过点的配准估计相对位姿

作者使用[31](pdf east-squares fitting oftwo 3-D point sets)中的方法求解上述问题（因为该方法比较简单）。

因为算法[31]并不限于单个相机-雷达对的位姿估计，因此任意数量和相机的标定也是可行的。

实验结果

Abstract

This paper investigates a novel calibration processof devices with different modalities, which is a critical stepof computer vision applications. We propose a fully automaticextrinsic calibration of a LiDAR-camera system. Our approachapplies sphere as their surfaces and contours can be accuratelydetected on point clouds and camera images, respectively. Ex-periments on synthetic and real data exhibit that our automaticalgorithm is fast and robust and it yields accurate camera andLiDAR extrinsic parameters.

如果你对本文感兴趣，想要下载完整文章进行阅读

本文仅做学术分享，如有侵权，请联系删文。

干货领取：

1. 在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

2. 在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

3. 在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列三维点云系列结构光系列、手眼标定、相机标定、orb-slam3知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款