环视系统相机标定：基准与数据集
计算机视觉与模式识别
2023-12-29 v1
摘要
环视系统 (SVS) 广泛应用于高级驾驶辅助系统 (ADAS)。SVS 利用四个鱼眼镜头监测车辆周围的实时场景。然而，系统的正常运行需要精确的内参和外参估计。目前，内参标定可通过棋盘格算法流程化实现，而外参标定尚不成熟。因此，我们提出了一种特定的标定流程以鲁棒地估计外参。该方案以四路相机的驾驶序列作为输入，首先利用车道线粗略估计每个相机的位姿。考虑到各相机环境条件的差异，我们分别从两种方法中选择策略以精确估计外参。为实现前后相机的精确估计，我们提出了一种线检测与位姿估计相互迭代的方法。对于双侧相机，我们通过最小化相邻相机地面投影之间的纹理和边缘误差，迭代调整相机位姿和位置。在估计出外参后，可通过基于单应性的变换合成环视图像。所提出的流程能在真实驾驶环境中鲁棒地估计四个 SVS 相机的外参。此外，为评估该方案，我们构建了一个环视鱼眼数据集，包含从不同真实交通场景采集的 40 个视频共 32,000 帧。每个视频中的所有帧均人工标注了车道线及其真值 (GT) 外参。此外，该环视数据集可供其他研究人员用于评估其性能。数据集即将发布。
引用
@article{arxiv.2312.16499,
title = {Camera calibration for the surround-view system: a benchmark and dataset},
author = {L Qin and C Lin and S Huang and S Yang and Y Zhao},
journal= {arXiv preprint arXiv:2312.16499},
year = {2023}
}