SemCal：基于神经互信息估计器的语义LiDAR-相机标定
计算机视觉与模式识别
2021-09-22 v1
摘要
本文提出SemCal：一种利用语义信息实现LiDAR与相机系统自动、无靶标的外参标定算法。我们利用神经信息估计器估计从各传感器测量中提取的语义信息的互信息（MI），促进语义级数据关联。通过使用变换的矩阵指数形式以及基于LiDAR投影点从相机测量中采样的基于核的采样方法，我们可将LiDAR-相机标定问题表述为一种支持基于梯度优化方法的新型可微目标函数。我们还引入了一种基于2D MI图像配准与Perspective-n-Point（PnP）求解器的基于语义的初始标定方法。为评估性能，我们展示了方法的鲁棒性并使用合成数据集定量分析了精度。我们还在城市数据集（KITTI360）和越野数据集（RELLIS-3D）基准数据集上定性评估了算法，使用人工标注的真实标签以及最先进深度学习模型预测的标签，显示出相对于近期可比标定方法的改进。
引用
@article{arxiv.2109.10270,
title = {SemCal: Semantic LiDAR-Camera Calibration using Neural MutualInformation Estimator},
author = {Peng Jiang and Philip Osteen and Srikanth Saripalli},
journal= {arXiv preprint arXiv:2109.10270},
year = {2021}
}
备注
7 pages, 10 figures, accepted by The 2021 IEEE International Conference on Multisensor Fusion and Integration (MFI 2021). arXiv admin note: substantial text overlap with arXiv:2104.12023