SOIC：基于语义的激光雷达与相机在线初始化及标定
计算机视觉与模式识别
2020-03-26 v1 机器人学
图像与视频处理
摘要
本文提出一种新颖的基于语义的在线外参标定方法 SOIC（so, I see），用于激光雷达（LiDAR）与相机传感器。以往的在线标定方法通常需要优化用的粗略初始值的先验知识。所提方法通过引入语义质心（SCs）将初始化问题转化为透视-n-点（PnP）问题，从而消除了这一限制。该 PnP 问题的闭式解已被充分研究，并可通过现有 PnP 方法求得。由于点云的语义质心通常不能准确匹配对应图像的语义质心，即便经过非线性细化过程，参数精度也未得到提升。因此，基于点云与图像数据中语义元素对应关系的约束构建了一个代价函数。随后，通过最小化该代价函数估计出最优外参。我们在 KITTI 数据集上分别使用真实语义与预测语义评估了所提方法。实验结果及与基线方法的对比验证了初始化策略的可行性与标定方法的准确性。此外，我们在 https://github.com/--/SOIC 发布了源代码。
引用
@article{arxiv.2003.04260,
title = {SOIC: Semantic Online Initialization and Calibration for LiDAR and Camera},
author = {Weimin Wang and Shohei Nobuhara and Ryosuke Nakamura and Ken Sakurada},
journal= {arXiv preprint arXiv:2003.04260},
year = {2020}
}