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。
3D视觉精品课程推荐:
1.面向自动驾驶领域的多传感器数据融合技术
2.彻底搞透视觉三维重建:原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM:基于VINS-Fusion正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
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
圈里有高质量教程资料、答疑解惑、助你高效解决问题
觉得有用,麻烦给个赞和在看~