相关实验视频
Updated: Jul 8, 2026

Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
适应性点线融合:一种无目标激光雷达-摄像头校准方法,用于自动驾驶的方案选择
Yingtong Zhou1, Tiansi Han2, Qiong Nie2
1Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China.
这项研究引入了一种新的无目标方法,用于校准LiDAR和单眼相机,即使没有重叠的视野. 该方法通过在视觉SLAM中使用姿势转换和线条特征来增强自动驾驶的感知.
科学领域:
- 机器人和计算机视觉 机器人和计算机视觉
- 自主系统的传感器融合
背景情况:
- 精确的激光雷达摄像头校准对于自动驾驶的感知至关重要.
- 传统的方法需要重叠的视野,并因噪音而与特征对齐作斗争.
研究的目的:
- 为单眼相机和具有非重叠视野的LiDAR开发一种无目标的外部校准方法.
- 在各种城市驾驶条件下提高传感器校准的稳定性和准确性.
主要方法:
- 构成变换用于跨模式数据关联.
- 没有重叠视图的视觉SLAM优化框架.
- 线条特征作为限制,具有扩展的光度误差优化.
- 对校准方法的适应性选择策略.
主要成果:
- 成功地对非重叠的LiDAR摄像头传感器进行了无目标的外部校准.
- 在不同的城市照明和纹理中提高了校准稳定性.
- 证明避免了与单一校准方法相关的故障和偏差.
结论:
- 拟议的方法为LiDAR相机外部校准提供了强大且可适应的解决方案.
- 这种方法显著提高了自动驾驶系统的感知能力.
- 适应性方法选择确保在具有挑战性的现实场景中可靠的性能.
更多相关视频
11:57Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM
Published on: December 1, 2016
07:03Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
Published on: February 23, 2017
相关概念视频
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Application of Linearization and Approximation
Vector Functions and Motion: Problem Solving