キャリブレーション2026/10/27arXiv:2610.37350

深層ピクセル-点対応を用いた汎化可能なターゲットレスカメラ-LiDAR内部・外部同時キャリブレーション

Generalizable Target-Less Joint Intrinsic-Extrinsic Camera-LiDAR Calibration using Deep Pixel-Point Correspondences

生画像とLiDARスキャンからカメラ内部パラメータ・歪み・外部パラメータを同時推定するターゲットレス手法を提案し、未校正カメラでも高精度なキャリブレーションを実現した。

詳しい要約

1. どんなもの？

- カメラとLiDARの外部キャリブレーションを、target-lessかつ完全自動で行うフレームワーク - 生画像(raw images)とLiDARスキャンから直接推定 - カメラ内部パラメータ(intrinsics)、radial-tangential歪み、カメラ-LiDAR外部パラメータ(extrinsics)を同時に推定 - 深層学習によるpixel-point correspondencesを基盤とする - 校正対象は未校正のカメラを含むシステム全般

2. 先行研究と比べてどこがすごい？

- 従来のtarget-less手法は学習済みpixel-point correspondencesを用いるが、rectified画像かつ既知のcamera intrinsicsを前提としていた - 個別にカメラ校正済みのシステムにしか適用できない制約があった - 本研究はこの制約を外し、raw画像から直接intrinsics・歪み・extrinsicsを同時推定可能にした - 事前校正済みカメラを用いるcorrespondence-based手法よりも外部精度が向上 - 加えて正確なintrinsicsも復元できる点が新規

3. 技術・手法の肝は？

- intrinsic- and distortion-aware correspondence learningをsynthetic augmentationsで実現 - 深層correspondence-based校正をrectified画像からrawカメラへ一般化 - 校正時はcorrespondence predictionとnonlinear optimizationを反復的にcoupling - カメラパラメータと相対センサ変換をjoint refinement - 学習段階で歪みや内部パラメータを考慮した対応学習を行う点が肝

4. どうやって有効だと検証した？

- KITTI datasetの未見(unseen)のcamera-LiDAR構成で評価 - 3つの実ロボティクスプラットフォームでzero-shot評価 - 結果として、事前校正済みカメラを用いるcorrespondence-based手法より外部精度が向上 - 同時に正確なintrinsicsも復元できることを示した

5. 議論はある？

- 要旨からは不明 - 限界や失敗ケース、計算コスト、synthetic augmentationsの実環境ギャップ等の議論は要旨に明記されていない

6. 次に読むべき論文は？

- 本研究が一般化の対象としたcorrespondence-based target-less calibration手法(学習済みpixel-point correspondencesを用いる既存研究) - KITTI datasetを用いたcamera-LiDAR calibrationの関連研究 - 比較対象となった事前校正済みカメラ前提のcorrespondence-based手法 - 具体的な論文名は要旨に記載がないため、上記カテゴリの代表的論文を参照すべき

※ 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: Simon Bultmann, Daniele Cattaneo, Abhinav Valada

分類: cs.RO

原文アブストラクト

Accurate camera-LiDAR calibration is an essential prerequisite for robust multi-modal perception in robotics. Recent target-less methods based on learned pixel-point correspondences achieve high extrinsic calibration accuracy and generalize across environments. However, they operate on rectified images with known camera intrinsics, restricting their applicability to systems whose cameras have already been individually calibrated. We present a fully automatic, target-less framework that jointly estimates camera intrinsics, radial-tangential distortion, and camera-LiDAR extrinsics from raw images and LiDAR scans. Our method generalizes deep correspondence-based calibration from rectified images to raw cameras through intrinsic- and distortion-aware correspondence learning via synthetic augmentations. During calibration, we iteratively couple correspondence prediction and nonlinear optimization to jointly refine the camera parameters and relative sensor transformation. We evaluate our approach on an unseen camera-LiDAR configuration from the KITTI dataset and on three real robotic platforms in a zero-shot manner. The results demonstrate that joint calibration with our generalized pixel-point correspondence network improves extrinsic accuracy over correspondence-based methods using pre-calibrated cameras, while additionally recovering accurate intrinsics.

arXivで原文を読む →arXiv概要ページ

深層ピクセル-点対応を用いた汎化可能なターゲットレスカメラ-LiDAR内部・外部同時キャリブレーション

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文