キャリブレーション2026/8/4arXiv:2608.03296v1

PLS-Calib: 地上運動制約下におけるイベントカメラとオドメトリの部分最小二乗法によるキャリブレーションフレームワーク

PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints

地上ロボットの限られた運動条件下で、イベントカメラとオドメトリ間の回転キャリブレーションを部分最小二乗法（PLS）を用いて安定かつ高精度に行う新しい手法を提案した。

詳しい要約

1. どんなもの？

本論文は、地上拘束されたロボット（ground robot）において、イベントカメラ（event camera）とオドメトリ（odometry）間の外因性回転キャリブレーション（extrinsic rotation calibration）を行う新しいフレームワーク「PLS-Calib」を提案する。Partial Least Squares (PLS) 回帰を用いて、非同期で異種のセンサストリーム間の潜在的な運動学的相関をモデル化する。さらに、円形キャリブレーションターゲットの時空間コントラストを向上させる極性認識イベント表現（polarity-aware event representation）を導入する。

2. 先行研究と比べてどこがすごい？

既存のキャリブレーション手法の多くは、全6自由度（6-DoF）の運動を必要とするが、地上拘束ロボットでは実現が困難である。制約付き設定向けの既存手法（Canonical Correlation Analysis (CCA) ベース）は、共分散行列が悪条件（ill-conditioned）となり、数値的不安定性や精度低下を招く。PLS-Calibは、PLS回帰を用いることで閉形式で安定な解を提供し、CCAに内在する行列特異性（matrix singularities）を回避する点が新しい。

3. 技術・手法の肝は？

手法の核は、PLS回帰を用いてイベントカメラとオドメトリの運動間の潜在的な相関をモデル化すること。具体的には、極性認識イベント表現を導入し、円形キャリブレーションターゲットの時空間コントラストを向上させる。PLSベースの定式化により、閉形式で安定な解が得られ、CCAベースのアプローチで問題となる行列の特異性を回避する。

4. どうやって有効だと検証した？

合成データセットと実世界データセットの両方で広範な実験を行い、提案手法の有効性を検証した。最先端手法（state-of-the-art methods）と比較して、キャリブレーションのロバスト性と精度が大幅に向上することを示した。

5. 議論はある？

要旨からは、議論の詳細は不明。ただし、提案手法が地上拘束ロボットの制約下での回転キャリブレーションに有効であることが示され、ニューロモルフィックビジョン（neuromorphic vision）における統計的学習手法の適用可能性が示唆されている。

6. 次に読むべき論文は？

要旨で参照されている関連手法として、Canonical Correlation Analysis (CCA) ベースのキャリブレーション手法が挙げられる。また、イベントカメラのキャリブレーションに関する一般的な研究や、Partial Least Squares (PLS) 回帰の応用研究が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Guangyu Li, Xiao Li, Yujie Wu, Changshuo Wang, Prayag Tiwari, Jiang Cai, Fangwen Yu, Mingkun Xu

分類: cs.RO, cs.CV

原文アブストラクト

Accurate extrinsic rotation calibration between sensors is fundamental to the performance of robotic perception systems. However, most existing calibration techniques rely on full 6-DoF motion to excite all degrees of freedom, which is often infeasible for ground-constrained robots with limited motion capabilities. Recent approaches designed for such restricted settings, such as Canonical Correlation Analysis (CCA)-based methods, suffer from ill-conditioned covariance matrices that lead to numerical instability and suboptimal calibration accuracy. To overcome these limitations, we present a novel rotation calibration framework named PLS-Calib that, for the first time, leverages Partial Least Squares (PLS) regression to model the latent kinematic correlations between asynchronous, heterogeneous sensor streams. Specifically, we apply our method to the calibration of an event camera and an odometry onboard a ground robot. To improve event-based pattern detection, we introduce a polarity-aware event representation, which enhances spatiotemporal contrast in circular calibration targets. Our PLS-based formulation yields a closed-form, stable solution that avoids matrix singularities inherent in CCA-based approaches. Extensive experiments on both synthetic and real-world datasets validate the effectiveness of our approach, demonstrating significant improvements in calibration robustness and accuracy over state-of-the-art methods. This work offers a practical and theoretically grounded solution for rotation calibration in constrained robotic systems and opens up new directions for applying statistical learning techniques in neuromorphic vision.

arXivで原文を読む →arXiv概要ページ

← 論文一覧