自动驾驶在线相机-地面校准：实时优化相机参数提升精准定位 环球速递

(资料图片仅供参考)

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# Online Camera-to-ground Calibration for Autonomous Driving

论文地址：https://arxiv.org/abs/2303.17137

作者单位：通用汽车

在线相机对地标定是实时生成相机与路面之间的非刚体变换。现有的解决方案使用静态校准，受环境变化的影响，例如轮胎压力变化、车辆负荷量变化和路面多样性。其他在线解决方案利用道路元素的使用或图像之间重叠视图之间的光度一致性，这需要连续检测道路上的特定目标或使用多个相机协助进行校准。在我们的工作中，我们提出了一种在线单目相机对地标定解决方案，该方案在驾驶时不使用任何特定的目标。

我们通过车轮里程计从粗到精的方法提取地面特征，并通过基于滑动窗口的因子图优化来估计相机-地面校准参数。考虑到驾驶过程中相机到地面的非刚性转换，我们提供了量化标定性能的度量和停止准则来报告/广播我们满意的标定结果。使用真实世界的数据进行的大量实验表明，我们的算法是有效的，并且性能优于最先进的技术。 

当车辆在道路上运动时，我们不使用任何特定的校准目标，而是执行从粗到精的方法来获取地面特征，并在因子图中优化相机对地校准参数。我们利用地平线来区分图像中的地面和非地面区域，通过车轮里程计预测地面特征的位置，并使用基于几何的方法验证地面特征。我们对三角化的地物进行平面拟合，得到地法向量和相机中心到地面的高度，并通过因子图优化进一步细化，以确定相机到地面的转换。考虑到驾驶过程中摄像机与地面的非刚性转换，本文还提出了量化标定性能的指标和保证标定质量的停止准则。我们的算法已经使用真实世界的数据被证明是有效的。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容