日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
キャリブレーションarXiv:2610.04552

オンライン・ターゲットレスなレーダーLiDARカメラ外部キャリブレーションの統合最適化

Online Target-less Radar-LiDAR-Camera Extrinsic Calibration via Joint Optimization

シェア:XThreadsFacebookLINEはてブBluesky

レーダー・LiDAR・カメラの3センサを対象に、ターゲット不要でオンライン実行できる外部キャリブレーション手法を提案。各センサペアの残差を同時に最適化し、レーダーのノイズ除去と対応点蓄積で精度を高める。

詳しい要約

1. どんなもの？

本論文は、radar-LiDAR-camera システムの online target-less extrinsic calibration を扱う。既存の target-less 手法は主に単一センサペア向けで、ペアごとの結果を組み合わせても3センサ間の一貫性が保証されない。また radar の測定が sparse かつ noisy なため radar を含むペアが信頼できない。そこで各センサペアの residual を構築し、全ペアの extrinsics を同時最適化する joint calibration framework を提案。adaptive radar noise filter と correspondence accumulation strategy も導入する。

2. 先行研究と比べてどこがすごい？

- 既存の target-less 手法は主に単一センサペア向けで、ペアごとの結果を合成しても3センサ間の一貫性が保証されない。 - 提案法は全ペアの extrinsics を同時最適化する joint calibration framework により、3センサ間の一貫性を確保する。 - radar の sparse で noisy な測定に対処する adaptive radar noise filter と correspondence accumulation strategy を導入。 - in-house dataset で state-of-the-art camera-LiDAR baseline に対し全センサペアで calibration error を低減。

3. 技術・手法の肝は？

- 各センサペアの residual を構築し、全ペアの extrinsics を同時に最適化して全体 residual を最小化する joint calibration framework。 - adaptive radar noise filter: range-dependent margin を用いて spurious な radar returns を棄却。 - correspondence accumulation strategy: フレーム間で sparse な radar correspondences を集約。

4. どうやって有効だと検証した？

- in-house radar-LiDAR-camera dataset を用いて検証。 - 多様な urban environments をカバー。 - state-of-the-art camera-LiDAR baseline と比較し、全センサペアで calibration error を低減。

5. 議論はある？

要旨からは不明。

6. 次に読むべき論文は？

- state-of-the-art camera-LiDAR baseline（具体的な論文名は要旨に記載なし） - target-less extrinsic calibration の既存手法（単一センサペア向け） - radar-LiDAR-camera fusion に関する研究

※ 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: Gunhee Shin, Yunsoo Kim, Chanhyuk Lee, Wanhee Kim, Minwoo Lee, Sungwoo Han, Jeongwoo Woo, Hyuntai Chin, Minha Park, Hyun Myung

分類: cs.RO

原文アブストラクト

Fusing radar, LiDAR, and camera enables robust perception in diverse and adverse conditions, but the fusion performance critically depends on accurate extrinsic calibration among the three sensors. In this paper, we address the problem of online target-less extrinsic calibration for the radar-LiDAR-camera system. Existing target-less methods are mostly designed for a single sensor pair, and composing the pairwise results does not guarantee consistency across the three sensors. Moreover, the sparse and noisy radar measurements make the radar-involving pairs unreliable. To tackle these challenges, we propose a joint calibration framework that constructs residuals for each sensor pair and optimizes the extrinsics of all pairs together to minimize the overall residual. Furthermore, we introduce an adaptive radar noise filter that rejects spurious radar returns using a range-dependent margin, and a correspondence accumulation strategy that aggregates sparse radar correspondences over frames. We validate our method on an in-house radar-LiDAR-camera dataset covering diverse urban environments, where it reduces calibration errors across all sensor pairs over a state-of-the-art camera-LiDAR baseline.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI