基于自运动的精确地平面法向量估计
计算机视觉与模式识别
2022-12-09 v1 机器人学
摘要
本文提出一种用于轮式车辆地平面法向量估计的新方法。实践中，由于制动与路面不稳，地平面动态变化。因此，车辆位姿尤其是俯仰角会发生从细微到明显的振荡。据此，估计地平面法向量颇具意义，因其可被编码以提升多种自动驾驶任务（如 3D 目标检测、路面重建与轨迹规划）的鲁棒性。我们提出的方法仅以里程计为输入，实时估计精确的地平面法向量。特别地，它充分利用自车位姿里程计（自运动）与其邻近地平面之间的内在联系。在此基础上，设计了一种不变扩展卡尔曼滤波器（IEKF）以在传感器坐标系中估计法向量。因此，我们所提方法简洁高效，并支持基于相机与基于惯导的里程计算法。其可用性与鲁棒性的显著提升通过在公开数据集上的多项实验得到验证。例如，我们在 KITTI 数据集上以 0.39{\deg} 的估计向量误差取得最先进（SOTA）精度。代码见 github.com/manymuch/ground_normal_filter。
引用
@article{arxiv.2212.04224,
title = {Towards Accurate Ground Plane Normal Estimation from Ego-Motion},
author = {Jiaxin Zhang and Wei Sui and Qian Zhang and Tao Chen and Cong Yang},
journal= {arXiv preprint arXiv:2212.04224},
year = {2022}
}