[논문 리뷰] Extrinsic Calibration of 3D Range Finder and Camera without Auxiliary Object or Human Intervention

Qinghai Liao, Ming Liu외 2명|arXiv (Cornell University)|2017. 03. 02.

Robotics and Sensor-Based Localization참고 문헌 17인용 수 7

한 줄 요약

이 논문은 보조 물체나 인간 간섭 없이 완전 자동으로 3D 레인지 파인더와 카메라의 외부 캘리브레이션을 수행하는 새로운 방법을 제안한다. 먼저 센서의 운동을 기반으로 初기 외부 파rameter를 추정한 후, 이미지와 포인트 클라우드 간의 선 특징 연관을 통해 강력한 가중치가 부여된 최소 제곱 최적화를 이용해 이를 정밀하게 보정함으로써 시뮬레이션에서 1cm 미만 및 1도 미만의 정확도를 달성한다.

ABSTRACT

Fusion of heterogeneous extroceptive sensors is the most effient and effective way to representing the environment precisely, as it overcomes various defects of each homogeneous sensor. The rigid transformation (aka. extrinsic parameters) of heterogeneous sensory systems should be available before precisely fusing the multisensor information. Researchers have proposed several approaches to estimating the extrinsic parameters. These approaches require either auxiliary objects, like chessboards, or extra help from human to select correspondences. In this paper, we proposed a novel extrinsic calibration approach for the extrinsic calibration of range and image sensors. As far as we know, it is the first automatic approach with no requirement of auxiliary objects or any human interventions. First, we estimate the initial extrinsic parameters from the individual motion of the range finder and the camera. Then we extract lines in the image and point-cloud pairs, to refine the line feature associations by the initial extrinsic parameters. At the end, we discussed the degenerate case which may lead to the algorithm failure and validate our approach by simulation. The results indicate high-precision extrinsic calibration results against the ground-truth.

연구 동기 및 목표

• 3D 레인지 파인더와 카메라 외부 캘리브레이션에서 체크아웃 보드와 같은 보조 캘리브레이션 물체가 필요 없도록 하는 것.
• 다중 센서 캘리브레이션에서 특징 대응 선택에 인간 간섭을 제거하는 것.
• 실세계 로봇 및 자율 시스템에서 온라인, 즉시 사용 가능한 캘리브레이션을 가능하게 하는 것.
• 오직 운동과 선 특징 연관만을 사용하여 고정밀 외부 캘리브레이션을 달성하는 것.
• 희박한 포인트 클라우드와 밀도 높은 이미지 간의 매칭 문제를 해결하는 것.

제안 방법

• 3D 레인지 파인더와 카메라의 상대 운동을 기반으로 초기 외부 파rameter를 추정한다.
• 카메라 이미지에서 2차원 선을 추출하고, RANSAC 기반의 평면 및 에지 검출을 통해 포인트 클라우드에서 3차원 선을 추출한다.
• 초기 외부 파rameter를 사용하여 3차원 선을 이미지 평면에 투영하고, 이를 검출된 2차원 선과 매칭함으로써 선 특징 대응을 수립한다.
• 아웃라이어의 영향을 최소화하기 위해 Huber 손실 함수를 사용한 가중치가 부여된 강력한 최소 제곱 최적화(RLS)를 적용하여 외부 파rameter를 보정한다.
• 아웃라이어의 영향을 줄이면서 인라이어의 정확도를 유지하기 위해 임계값 M=3을 사용하는 볼록 페널티 함수를 사용한다.
• 알고리즘은 실제 운동 및 센서 데이터를 제공하는 V-REP 시뮬레이션 환경에서 검증되었다.

실험 결과

연구 질문

• RQ1 3D 레인지 파인더와 카메라 간의 외부 캘리브레이션을 보조 캘리브레이션 물체 없이 수행할 수 있는가?
• RQ2 희박한 포인트 클라우드와 밀도 높은 이미지 간의 특징 대응을 인간 간섭 없이 자동으로 설정할 수 있는가?
• RQ3 상대 운동과 선 특징 매칭만을 사용하여 고정밀 캘리브레이션을 달성할 수 있는가?
• RQ4 노이즈가 많거나 아웃라이어가 많은 조건에서도 이 캘리브레이션 방법이 얼마나 강건한가?
• RQ5 최신 기술 대비 이 방법의 이동 및 회전 오차 성능은 어떠한가?

주요 결과

• 필터링 및 보정 후 제안된 방법은 자동으로 0.0034도의 회전 오차를 달성했으며, 초기 필터링 미적용 추정치인 1.5680도보다 훨씬 낮았다.
• 이동 오차는 0.0115미터(기준값 대비 1.25%)로 감소하여, 초기 추정치인 0.1589미터(기준값 대비 17.27%)보다 유의미하게 향상되었다.
• 제안된 방법의 보정 단계는 초기 필터링 단계 대비 이동 오차를 90% 감소시켰다.
• 이 방법은 이동 및 회전 모두에서 1cm 이하 및 1도 이하의 정확도를 달성했으며, 보조 물체를 사용하는 최신 기술 대비도 뛰어난 성능을 보였다.
• 비퇴직성 케이스에서 실패를 피하고 제어된 운동 및 센서 데이터를 사용한 시뮬레이션을 통해 강건성을 입증했다.
• 이 알고리즘은 온라인으로 사용 가능하며, 공개적으로 사용할 수 있으며, http://ram-lab.com/download 에서 플러그 앤 플레이 배포를 지원한다.