论文标题:
Galibr: Targetless LiDAR-Camera Extrinsic Calibration Method via Ground Plane Initialization
论文作者:
Wonho Song, Minho Oh, Jaeyoung Lee, Hyun Myung
导读:
本研究提出了一种面向自动驾驶和SLAM技术的无需目标物的LiDAR-相机外参标定方法——Galibr。Galibr利用地面平面和来自LiDAR与相机输入的边缘信息,通过两个主要步骤实现标定:基于地面平面的初始姿态估计(GP-init)和通过边缘提取与匹配的精细化标定阶段。该方法在包括KITTI数据集和KAIST四足数据集在内的非结构化自然环境中进行了测试,验证了其优越的性能和实际应用的可行性。Galibr的提出,为多模态传感器在动态和变化环境中的精确对准提供了一种便捷、高效的解决方案。©️【深蓝AI】编译
1. 摘要
随着自动驾驶和SLAM技术的快速发展,多模态传感器自动驾驶系统的性能高度依赖于精确的外部标定。为了解决在任何自然环境下方便、维护友好的校准过程的需求,本研究提出了Galibr——一种为任何自然环境下的地面车辆平台设计的全自动无目标激光雷达相机外部校准工具。该方法利用来自激光雷达和相机输入的地平面和边缘信息,简化了校准过程。Galibr主要包括两个步骤:基于地平面的初始姿态估计算法(GP-init),以及通过边缘提取和匹配的细化阶段。
本文的主要贡献如下:
●Galibr自动化标定方法提出:提出了一种名为Galibr的全新自动化、无需目标物的LiDAR-相机外参标定方法,适用于任何自然环境和地面车辆平台;
●基于地面平面的初始姿态估计:开发了一种利用地面平面的初始姿态估计算法(GP-init),通过从地面获取的相对初始姿态来提高Galibr系统的性能;
●边缘匹配精细化标定:通过非地面物体边缘的提取和匹配来增强标定精度,充分利用了LiDAR和相机输入的详细边缘数据;
●快速标定:与其他现有的LiDAR和相机外参标定方法相比,Galibr在计算速度上具有优势,实现了快速的标定过程。
2. Galibr核心介绍
Galibr是一种新颖的、自动的、通过地平面初始化的无目标外部校准方法,该方法利用地平面的稳定性为传感器对准提供鲁棒的初始值,并使用边缘匹配进行细化,从而促进更精简和维护友好的校准方法,该校准方法示意如图1所示。这种方法具备强大的环境适应能力,且被设计为在运动中执行,在便利性和效率方面具备显著优势。
图1|Galibr概述©️【深蓝AI】编译
Galibr的校准程序要求平台在任何环境下都处于运动状态,以估计每个传感器的姿态。整个Galibr系统由两个主要步骤组成:利用地平面的初始姿态估计步骤,称为GP-init,以及使用边缘匹配的外部校准步骤,Galibr系统流程如图2所示。其中GP-init包含每个传感器的地面特征提取模块和相对姿态估计模块,进行外部校准以匹配从每个传感器提取的边缘。Galibr与现有的通常需要初始值的激光雷达和相机外部校准方法不同,该方法侧重于利用地平面特征估计初始相对姿态,该方法采用两步估计,即初始姿态估计步骤和外部定标步骤,输出的外部定标结果更加准确和鲁棒。
图2|Galibr系统流程©️【深蓝AI】编译
2.1 GP-init相机模块
GP-init相机模块的运动体姿态估计和地平面提取方法结合了运动结构恢复(SfM)、基于RANSAC的地平面估计、垂直对齐以及相对姿态估计。
具体流程为以下步骤:
1)使用SfM提取3D地面特征,其中运动方向矢量 v c v^{c} vc由归一化增量位置矢量 Δ p c \Delta p^{c} Δpc与缩放比例 s s s进行表示,具体式子如下:
v c = s ⋅ Δ p c ∥ Δ p c ∥ v^c=\frac{s\cdot\Delta p^c}{\|\Delta p^c\|} vc=∥Δpc∥s⋅Δpc
SfM提取的地面特征结果如图3所示。
图3|Sf地面特征提取结果(红点)©️【深蓝AI】编译
2)基于SfM估计的三维地面特征,利用RANSAC算法提取相机坐标下的地平面。通过最大化初始共识集,找到最优平面参数 n c = [ a c , b c , c c , d c ] n^{c}=[a^{c},b^{c},c^{c},d^{c}] nc=[ac,bc,cc,dc]。
3)为了使运动体运动与地平面对齐,我们使用阈值 ϵ c \epsilon^{c} ϵc寻找从 t 1 c t^c_1 t1c到 t 2 c t^c_2 t2c的滑动窗口上的地平面 n c n^c nc的法向量,通过确保相机的方向向量 v c v^c vc和地平面的法向量 n c n^c nc之间的点积保持在一定的阈值以下来识别平面地面,搜寻约束为:
∑ t = t 1 c t 2 c ( v c ⋅ n c ) t ≤ ϵ c \sum_{t=t_1^c}^{t_2^c}\left(v^c\cdot n^c\right)_t\leq\epsilon^c t=t1c∑t2c(vc⋅nc)t≤ϵc
这个条件确保了相机系统的运动与地平面紧密对齐,有助于确认地平面的平面性,确保相机运动与地平面的稳定对齐。
4)相对位姿计算。设地面与相机之间的相对姿态为 T g c T^c_g Tgc,缩放尺度为 z c z^c zc,横滚角为