以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文# #開源代碼# Single-shot, Target-less, and Automatic LiDAR-Camera Extrinsic Calibration Toolbox 論文地址：https://staff.aist.go.jp/k.koide/assets/pdf/icra2023.pdf

作者單位：日本茨城市筑波國立先進工業(yè)科學技術研究所 開源代碼：https://github.com/koide3/direct_visual_lidar_calibration

?本文提出了一種開源的激光雷達相機校準工具箱，該工具箱適用于激光雷達和相機投影模型，只需要對激光雷達和相機數(shù)據(jù)進行一次配對，無需標定目標，并且是全自動的。對于自動初始值估計，我們使用SuperGlue圖像匹配來查找LiDAR和相機數(shù)據(jù)之間的2D-3D對應關系，并通過RANSAC估計LiDARcamera轉(zhuǎn)換。給定初始值，我們基于歸一化信息距離(一種相互信息的跨模態(tài)距離度量)，通過直接lidar -攝像機配準來改進轉(zhuǎn)換估計。為了方便校準過程，我們還提供了一些輔助功能(例如，動態(tài)激光雷達數(shù)據(jù)集成和手動進行2D-3D通信的用戶界面)。實驗結果表明，所提出的工具箱能夠校準旋轉(zhuǎn)和非重復掃描激光雷達以及針孔和全向攝像機的任何組合，并且顯示出比最先進的基于邊緣對準的校準方法更好的校準精度和魯棒性。特點如下：1、無目標:本文提出的標定算法不需要標定目標，而是利用環(huán)境結構和紋理進行標定。2、單樣本，校準只需要激光雷達點云和相機圖像的一次配對。可以使用多個LiDAR-camera數(shù)據(jù)對來進一步提高標定精度。3、自動:為了使校準過程完全自動化，系統(tǒng)包括一個基于SuperGlue的跨模態(tài)2D-3D對應匹配的初始猜測估計算法[4 4、精確和魯棒性:采用像素級直接lidar相機配準算法，在沒有豐富幾何特征的環(huán)境中穩(wěn)健準確地執(zhí)行l(wèi)idar相機校準，現(xiàn)有的基于邊緣對準的算法無法實現(xiàn)。

以上內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容