CalQNet——面向终身立体相机配置的标定质量检测
机器人学
2021-04-13 v1
摘要
许多移动机器人平台依赖于对外部标定参数的准确知晓，尤其是执行视觉立体匹配的系统。尽管已开发出多种精确的立体相机标定方法，可提供良好的初始“出厂”标定，但所确定的参数会随着传感器暴露于环境条件和外部影响而随时间失去有效性。因此，在自主平台上，用于尽早发现需要重复标定程序需求的车载诊断方法，有潜力防止关键系统（如状态估计或障碍物检测）发生严重故障。在这项工作中，我们提出了一种新颖的数据驱动方法，用于估计立体相机系统的标定质量并检测原始标定与当前系统状态之间的偏差。该框架包含一个用于训练 CalQNet（一种深度卷积神经网络）的新颖数据集生成流水线。CalQNet 可使用一种近似立体配置中标定错误程度的新度量来估计标定质量。我们在两个真实世界实验中展示了该框架能够从单张立体帧预测最先进的立体视觉里程计系统是否会因标定退化而发散。
引用
@article{arxiv.2104.04837,
title = {CalQNet -- Detection of Calibration Quality for Life-Long Stereo Camera Setups},
author = {Jiapeng Zhong and Zheyu Ye and Andrei Cramariuc and Florian Tschopp and Jen Jen Chung and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:2104.04837},
year = {2021}
}