[论文解读] ACSC: Automatic Calibration for Non-repetitive Scanning Solid-State LiDAR and Camera Systems

Jiahe Cui, Jianwei Niu+3 more|arXiv (Cornell University)|Nov 17, 2020

Robotics and Sensor-Based Localization参考文献 26被引用 34

一句话总结

ACSC 提出一种针对 SSL-相机系统的全自动外参标定方法，通过时域积分和基于反射率的打印棋盘格 3D 角点估计，随后进行基于目标的外参估计。

ABSTRACT

Recently, the rapid development of Solid-State LiDAR (SSL) enables low-cost and efficient obtainment of 3D point clouds from the environment, which has inspired a large quantity of studies and applications. However, the non-uniformity of its scanning pattern, and the inconsistency of the ranging error distribution bring challenges to its calibration task. In this paper, we proposed a fully automatic calibration method for the non-repetitive scanning SSL and camera systems. First, a temporal-spatial-based geometric feature refinement method is presented, to extract effective features from SSL point clouds; then, the 3D corners of the calibration target (a printed checkerboard) are estimated with the reflectance distribution of points. Based on the above, a target-based extrinsic calibration method is finally proposed. We evaluate the proposed method on different types of LiDAR and camera sensor combinations in real conditions, and achieve accuracy and robustness calibration results. The code is available at https://github.com/HViktorTsoi/ACSC.git .

研究动机与目标

• 解决 SSL-相机系统在扫描模式不均匀和测距误差非均匀时的外参标定挑战。
• 使用打印棋盘格开发一个全自动的基于目标的标定工作流。
• 利用时域积分与反射分布稳健地从 SSL 点云中估计棋盘格的 3D 角点。
• 将 3D 角点估计与图像 2D 角点结合来求解外参参数。
• 在真实世界条件下对多种 SSL 和相机模型的鲁棒性与精度进行评估。

提出的方法

• 时域积分以 densify SSL 点云并去除帧级离群。
• 特征细化包括利用迭代 RANSAC 的平面拟合，并将细化点投影到理想平面以校正轴向测距噪声。
• 通过将 SSL 推导的棋盘格点对齐到标准模型，利用反射分布作为相似性度量，并采用非线性优化（L-BFGS）求解旋转和平移来估计 3D 角点。
• 从相机图像使用标准棋盘格检测进行 2D 角点检测。
• 迭代外参求解：先用 RANSAC 的 PnP 估计初值，再基于再投影误差剔除离群值，重复直到误差低于阈值。
• 使用归一化再投影误差（NRE）评估外参标定精度，并可视化投影结果。

实验结果

研究问题

• RQ1 是否可以在非重复 SSL 扫描下无需人工干预地实现可靠的自动 SSL-相机外参标定？
• RQ2 时域数据融合如何提升从 SSL 点云中提取用于标定的特征？
• RQ3 基于反射率的 3D 角点估计是否比传统方法在 3D-2D 角点对应中提供更好标定效果？
• RQ4 ACSC 在不同的 SSL 模型和相机设置下的比较精度如何？
• RQ5 哪些因素（传感器放置、帧集成、目标姿态）最影响 SSL-相机标定中的再投影精度？

主要发现

• ACSC 在若干 SSL 模型（Livox Horizon、Mid-40、Mid-100）和相机对上实现了准确的外参标定。
• 时域积分与特征细化使非重复 SSL 扫描得到更密集、噪声更低的棋盘格测量。
• 基于反射分布的 3D 角点估计实现了稳健的角点提取并能准确对齐到标准棋盘格模型。
• 定量结果显示比先前方法的平均再投影性能更优（更低 AVG），并且有较高比例的角点再投影误差低于选定阈值。
• 增加目标放置次数和更长的积分提升了标定的鲁棒性与精度。