Калибровка взаимного расположения стереокамеры и трехмерного сканирующего лазерного дальномера
Абраменко А.А.

АО «Научно-конструкторское бюро вычислительных систем» (АО НКБ ВС), Таганрог, Россия

Аннотация:
В работе описан метод, позволяющий решать задачу определения взаимного положения многолучевого лидара и стереокамеры. Метод не накладывает никаких ограничений на место, в котором должна проводиться калибровка. Калибровка осуществляется с использованием калибровочного щита, который представляет собой плоский прямоугольник со специальными маркерами. Для калибровки используются трёхмерные соответствия. Вначале осуществляется поиск трёхмерных координат угловых точек калибровочного щита в системах координат камер стереопары, а также в системе координат лидара. Далее с помощью оптимизационных методов осуществляется вычисление параметров калибровки. Проведена серия виртуальных и натурных экспериментов, результаты которых показывают, что предложенный метод позволяет осуществить калибровку с точностью, сравнимой с погрешностью сенсоров. Предлагаемый метод позволяет улучшить точность калибровки за счёт одновременного использования информации с двух камер стереопары и подходит для лидаров как с низкой, так и с высокой плотностью точек.

Ключевые слова:
стереокамера, лидар, внешняя калибровка, комплексирование данных.

Цитирование:
Абраменко, А.А.
Калибровка взаимного расположения стереокамеры и трёхмерного сканирующего лазерного дальномера / А.А. Абраменко // Компьютерная оптика. – 2019. – Т. 43, № 2. – С. 220-230. – DOI: 10.18287/2412-6179-2019-43-2-220-230.

Литература:

  1. Гошин, Е.В. Реконструкция 3D-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки / Е.В. Гошин, В.А. Фурсов // Компьютерная оптика. – 2015. – Т. 39, № 5. – С. 770-776. – DOI: 10.18287/0134-2452-2015-39-5-770-775.
  2. Минаев, Е.Ю. Высокоточная реконструкция пространственного положения пассивного цветового маркера по видеопоследовательности / Е.Ю. Минаев, А.В. Никоноров // Компьютерная оптика. – 2012. – Т. 36, № 4. – C. 611-616.
  3. Zhang, Q. Extrinsic calibration of a camera and laser range finder (improves camera calibration) / Q. Zhang, R. Pless // 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). – 2004. – Vol. 3. – P. 2301-2306. – DOI: 10.1109/IROS.2004.1389752.
  4. Unnikrishnan, R. Fast extrinsic calibration of a laser rangefinder to a camera / R. Unnikrishnan, M. Hebert. – Technical Report CMU-RI-TR-05-09. – Pittsburgh, PA: Robotics Institute, 2005.
  5. Pandey, G. Extrinsic calibration of a 3D laser scanner and an omnidirectional camera / G. Pandey, J. McBride, S. Savarese, R. Eustice // IFAC Proceedings Volumes. – 2010. – Vol. 43, Issue 16. – P. 336-341. – DOI: 10.3182/20100906-3-IT-2019.00059.
  6. Huang, L. A novel multi-planar LIDAR and computer vision calibration procedure using 2D patterns for automated navigation / L. Huang, M. Barth // 2009 IEEE Intelligent Vehicles Symposium. – 2009. – P. 117-122. – DOI: 10.1109/IVS.2009.5164263.
  7. Geiger, A. Automatic camera and range sensor calibration using a single shot / A. Geiger, F. Moosmann, Ö. Car, B. Schuster // 2012 IEEE International Conference on Robotics and Automation. – 2012. – P. 3936-3943. – DOI: 10.1109/ICRA.2012.6224570.
  8. Pusztai, Z. Accurate calibration of LiDAR-camera systems using ordinary boxes / Z. Pusztai, L. Hajder // 2017 IEEE International Conference on Computer Vision Workshops (ICCVW). – 2017. – P. 394-402. – DOI: 10.1109/ICCVW.2017.53.
  9. Gong, X. Extrinsic calibration of a 3D LIDAR and a camera using a trihedron / X. Gong, Y. Lin, J. Liu // Optics and Lasers in Engineering. – 2013. – Vol. 51, Issue 4. – P. 394-401. – DOI: 10.1016/j.optlaseng.2012.11.015.
  10. Fremont, V. Circular targets for 3d alignment of video and lidar sensors / V. Fremont, S.A. Rodriguez F, P. Bonnifait // Advanced Robotics. – 2012. – Vol. 26, Issue 18. – P. 2087-2113. – DOI: 10.1080/01691864.2012.703235.
  11. Park, Y. Calibration between color camera and 3D LIDAR instruments with a polygonal planar board / Y. Park, S. Yun, C.S. Won, K. Cho, K. Um, S. Sim // Journal of Sensors. – 2014. – Vol. 14, Issue 3. – P. 5333-5353. – DOI: 10.3390/s140305333.
  12. Dhall, A. LiDAR-Camera Calibration using 3D-3D Point correspondences. [Электронный ресурс] / A. Dhall, K. Chelani, V. Radhakrishnan, K.M. Krishna // arXiv preprint arXiv:1705.09785. – 2017. – URL: arxiv.org/pdf/1705.09785.pdf (дата обращения 15.10.2018).
  13. Veľas, M. Calibration of rgb camera with velodyne lidar [Электронный ресурс] / M. Veľas, M. Španěl, Z. Materna, A. Herout. – 2014. – URL:                                                                                                
    pdfs.semanticscholar.org/ed15/5d1a146e0cba6be98fd7128461439f88732a.pdf (дата обращения 15.10.2018).
  14. Levinson, J. Automatic online calibration of cameras and lasers / J. Levinson, S. Thrun // Proceedings of Robotics: Science and Systems. – 2013. – DOI: 10.15607/RSS.2013.IX.029.
  15. Taylor Z. Automatic calibration of lidar and camera images using normalized mutual information / Z. Taylor, J. Nieto // 2013 IEEE International Conference on Robotics and Automation (ICRA). – 2013. – DOI: 10.1109/ICVES.2015.7396923.
  16. Taylor, Z. Automatic calibration of multi-modal sensor systems using a gradient orientation measure / Z. Taylor, J. Nieto, D. Johnson // 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). – 2013. – P. 1293-1300. – DOI: 10.1109/IROS.2013.6696516.
  17. Pandey, G. Automatic extrinsic calibration of vision and lidar by maximizing mutual information / G. Pandey, J.R. McBride, S. Savarese, R.M. Eustice // Journal of Field Robotics. – 2015. – Vol. 32, Issue 5. – P. 696-722. – DOI: 10.1002/rob.21542.
  18. John, V. Automatic calibration and registration of lidar and stereo camera without calibration objects / V. John, Q. Long, Z. Liu, S. Mita // 2015 IEEE International Conference on Vehicular Electronics and Safety (ICVES). – 2015. – P. 231-237. – DOI: 10.1109/ICVES.2015.7396923.
  19. Garrido-Jurado, S. Automatic generation and detection of highly reliable fiducial markers under occlusion / S. Garrido-Jurado, R. Munoz-Salinas, F.J. Madrid-Cuevas, M.J. Marín-Jiménez // Pattern Recognition. – 2014. – Vol. 47, Issue 6. – P. 2280-2292. – DOI: 10.1016/j.patcog.2014.01.005.
  20. Кудинов, И.А. Реализация алгоритма определения пространственных координат и угловой ориентации объекта по реперным точкам, использующего информацию от одной камеры / И.А. Кудинов, О.В. Павлов, И.С. Холопов // Компьютерная оптика. – 2015. – Т. 39, № 3. – С. 413-419. – DOI: 10.18287/0134-2452-2015-39-3-413-419.
  21. Гошин, Е.В. Решение задачи автокалибровки камеры с использованием метода согласованной идентификации / Е.В. Гошин, В.А. Фурсов // Компьютерная оптика. – 2012. – Т. 36, № 4 – С. 605-610.
  22. Zhang, Z. A flexible new technique for camera calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2000. – Vol. 22, Issue 11 – P. 1330-1334. – DOI: 10.1109/34.888718.
  23. Lepetit, V. EPnP: An accurate O(n) solution to the PnP problem / V. Lepetit, F. Moreno-Noguer, P. Fua // International Journal of Computer Vision. – 2009. – Vol. 81, Issue 2. – P. 155. – DOI: 10.1007/s11263-008-0152-6.
  24. Gao, F. Implementing the Nelder-Mead simplex algorithm with adaptive parameters / F. Gao, L. Han // Computational Optimization and Applications. – 2012. – Vol. 51, Issue 1. – P. 259-277. – DOI: 10.1007/s10589-010-9329-3.
  25. Fischler, M.A. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography / M.A. Fischler, R.C. Bolles // Communications of the ACM. – 1981. – Vol. 24, Issue 6. – P. 381-395. – DOI: 10.1145/358669.358692.
  26. Kabsch, W. A discussion of the solution for the best rotation to relate two sets of vectors // Acta Crystallographica. – 1978. – Vol. 34, Issue 5. – P. 827-828. – DOI: 10.1107/S0567739478001680.
  27. Sorkine-Hornung, O. Least-squares rigid motion using svd [Электронный ресурс] / O. Sorkine-Hornung, M. Rabinovich. – 2017. – URL: igl.ethz.ch/projects/ARAP/svd_rot.pdf (дата обращения 15.10.2018).
  28. Rohmer, E. V-REP: A versatile and scalable robot simulation framework / E. Rohmer, S.P.N. Singh, M. Freese // 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). – 2013. – P. 1321-1326. – DOI: 10.1109/IROS.2013.6696520.
  29. Bradski, G. Learning OpenCV: Computer vision with the OpenCV library / G. Bradski, K. Adrian. – O'Reilly Media, Inc., 2008.
  30. Hirschmuller, Н. Stereo processing by semiglobal matching and mutual information / Н. Hirschmuller // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2008. – Vol. 30, Issue 2. – P. 328-341. – DOI: 10.1109/TPAMI.2007.1166.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20