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# SST-Calib: Simultaneous Spatial-Temporal Parameter Calibration between LIDAR and Camera 論文地址：https://arxiv.org/abs/2207.03704作者單位：加州大學 ?借助多種輸入模態(tài)的信息，基于傳感器融合的算法通常優(yōu)于單模態(tài)。具有互補語義和深度信息的相機和激光雷達是復雜駕駛環(huán)境中的典型傳感器配置。然而，對于大多數(shù)相機和激光雷達融合的算法，傳感器的標定將極大地影響性能。具體來說，檢測算法通常需要多個傳感器之間的精確幾何關系作為輸入，并且默認傳感器的時間戳是同步的。配準這些傳感器需要精心設計的標定裝置和精確的同步機制，并且標定通常是離線完成的。在這項工作中，提出了一種基于分割的框架來聯(lián)合估計相機激光雷達套件校準中的幾何參數(shù)和時間參數(shù)。

?首先將語義分割掩模應用于兩種傳感器模態(tài)，并通過逐像素雙向損失來優(yōu)化校準參數(shù)。我們特別結合了來自光流的速度信息作為時間參數(shù)。由于監(jiān)督僅在分割級別執(zhí)行，因此在框架內(nèi)不需要校準標簽。所提出的算法在KITTI數(shù)據(jù)集上進行了測試，結果表明幾何參數(shù)和時間參數(shù)都得到了準確的實時校準。 ?這項工作提出了一個自動駕駛平臺上激光雷達和相機之間的聯(lián)合時空校準框架。所提出的框架的輸入是相機和激光雷達幀的序列。這里，每個傳感器模態(tài)都通過任意的語義分割網(wǎng)絡進行處理，可以根據(jù)可用的訓練數(shù)據(jù)進行選擇。其次，將分割的LIDAR點云投影到語義圖像上，計算新設計的雙向對準損失，用于幾何參數(shù)回歸。不僅限于點對像素的損失，我們還對語義像素進行了點對點損失的下采樣。估計兩者之間的時間延遲，我們從兩個連續(xù)的圖像中估計視覺里程計，并預測用于匹配的偏移點云。 本文貢獻如下： 1、為激光雷達相機傳感器套件提出了一種聯(lián)合時空標定算法； 2、設計雙向損失是為了在幾何參數(shù)回歸中獲得更穩(wěn)健的性能； 3、將時間參數(shù)與視覺里程計相結合，以估計傳感器之間的時間延遲。

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