Kamera-LiDAR rendszer automatizált kalibrációja speciális objektum segítségével
Automated calibration of a camera-LiDAR sensor system using a special object
Keywords:
Kalibráció, automatizált kalibrációs eljárás, kamera-LiDAR szenzorrendszer, LiDAR pozíció meghatározása, speciális kalibrációs objektumAbstract
In this paper a semi-automatic camera-LiDAR calibration method is proposed that is capable of both online and offline calibration. This calibration requires the exact intrinsic parameters of the camera and a special calibration object. ArUco markers are placed on the sides of the calibration object for automatic detection. A solution for object detection in point clouds is presented which does not require human intervention, as well as an extension for camera-radar system calibration.
Kivonat
A cikk egy részben automatizált kamera-LiDAR kalibrációs módszert mutat be, mely egyaránt képes online és offline kalibráció elvégzésére. A kalibrációhoz szükséges a kamera belső paramétereinek ismerete, és egy speciális kalibrációs objektum elkészítése. A kalibrációs objektum oldalaira az automatikus detekcióhoz ArUco jelölők kerülnek. Bemutatásra kerül egy lehetséges megoldás az objektum pontfelhőben történő beavatkozás nélküli detektálására és egy bővítési lehetőség mellyel a rendszer képes kamera-radar rendszerek kalibrációjára is.
References
Szabó, Z., Török, Árpád (2020) “Spatial Econometrics – Usage in Transportation Sciences: A Review Article”, Periodica Polytechnica Transportation Engineering, 48(2), pp. 143-149. https://doi.org/10.3311/PPtr.1204
P. An et al., “Geometric calibration for LiDAR-camera system fusing 3D-2D and 3D-3D point correspondences,” Opt. Express, vol. 28, no. 2, p. 2122, Jan. 2020, doi: 10.1364/oe.381176.
Z. Pusztai and L. Hajder, “Accurate Calibration of LiDAR-Camera Systems Using Ordinary Boxes,” in 2017 IEEE International Conference on Computer Vision Workshops (ICCVW), Oct. 2017, vol. 2018-Janua, pp. 394–402, doi: 10.1109/ICCVW.2017.53.
Bradski G, “The OpenCV library,” Dr. Dobb’s J. Softw. Tools, vol. 25, no. 120, pp. 122–125, 2000.
Z. Zhang, “A flexible new technique for camera calibration,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 22, no. 11, pp. 1330–1334, 2000, doi: 10.1109/34.888718.
K. Lelowicz, “Camera model for lens with strong distortion in automotive application,” in 2019 24th International Conference on Methods and Models in Automation and Robotics, MMAR 2019, 2019, pp. 314–319, doi: 10.1109/MMAR.2019.8864659.
J. Kannala and S. S. Brandt, “A generic camera model and calibration method for conventional, wide-angle, and fish-eye lenses,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 28, no. 8, pp. 1335–1340, 2006, doi: 10.1109/TPAMI.2006.153.
A. Babinec, L. Jurišica, P. Hubinský, and F. Duchoň, “Visual Localization of Mobile Robot Using Artificial Markers,” Procedia Eng., vol. 96, pp. 1–9, 2014, doi: https://doi.org/10.1016/j.proeng.2014.12.091.
R. B. Rusu and S. Cousins, “3D is here: Point Cloud Library (PCL),” 2011, doi: 10.1109/ICRA.2011.5980567.
R. C. B. M. A. Fischler, “Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography,” Comm. ACM, vol. 24, pp. 381–395, 1981.
K. Levenberg, “A METHOD FOR THE SOLUTION OF CERTAIN NON@_ LINEAR PROBLEMS IN LEAST SQUARES,” Q. Appl. Math., vol. 2, pp. 164–168, 1944.
D. W. Marquardt, “An Algorithm for Least-Squares Estimation of Nonlinear Parameters,” J. Soc. Ind. Appl. Math., vol. 11, no. 2, pp. 431–441, Jun. 1963.
D. Kim and S. Kim, “Extrinsic parameter calibration of 2D radar-camera using point matching and generative optimization,” in International Conference on Control, Automation and Systems, 2019, vol. 2019-Octob, pp. 99–103, doi: 10.23919/ICCAS47443.2019.8971568.
