点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨paopaoslam

来源丨泡泡机器人SLAM

点击进入—>3D视觉工坊学习交流群

标题：Auto-calibration Method Using Stop Signs for Urban Autonomous Driving Applications

作者：Yunhai Han, Yuhan Liu, David Paz, Henrik Christensen

来源：2021 IEEE International Conference on Robotics and Automation (ICRA)

编译：邝冰然

审核：Zoe，王靖淇

摘要

传感器标定是智能驾驶性能稳定表现的基础。在自然环境下存在扰动，因此标定成为一项有挑战性的任务。利用已知形状的物体去重新标定传感器，成为一种极具可能性的解决方案。我们提出了一种基于交通标志识别的方法，例如停车标志，并使用它们重新标定相机。该方法包括检测、几何估计、标定和递归更新。通过在自然环境下做测试，结果清楚地展现了我们所提出的方法的收敛性和更好的性能。

图1：系统框架的示意图。(a) 利用Mask R-CNN 检测停车标志的边框。(b) 内八边形的轮廓点（黑点）。(c)-(d) 估计的线/边。黑色实线和蓝色实线分别代表线改进前后的估计线。(e) 交叉点/拐角点。绿色圆圈是估计的交叉点（拐角点）。这八个角点与参考信息将一起用于单应性估计。

图2.车辆传感器配置示意图

图3.利用卡尔曼滤波的StopSign-Camera5数据的标定结果

图4.利用卡尔曼滤波的StopSign-Camera6数据的标定结果

图5. 没有卡尔曼滤波的StopSign标定法的相对误差的平均值和标准差

图6.校园环路和停车标志分布的示意图。蓝色、绿色和红色的轨迹对应于车辆按顺序行驶的三个路线。在连续路线的交叉点进行校准。

图7.不适用于提出方法的两个停车标志示例。左图中的停车标志具有非标准几何形状，右图中的停车标志被其他物体遮挡。

表I：相机在三个STOP标志的标定结果

Abstract

Calibration of sensors is fundamental to robust performance for intelligent vehicles. In natural environments, disturbances can easily challenge calibration. One possibility is to use natural objects of known shape to recalibrate sensors. An approach based on recognition of traffic signs, such as stop signs, and use of them for recalibration of cameras is presented. The approach is based on detection, geometry estimation, calibration, and recursive updating. Results from natural environments are presented that clearly show convergence and improved performance.

如果你对本文感兴趣，请点击点击阅读原文下载完整文章。

百度网盘提取码：eunk

本文仅做学术分享，如有侵权，请联系删文。

点击进入—>3D视觉工坊学习交流群

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

8.从零搭建一套结构光3D重建系统[理论+源码+实践]

9.单目深度估计方法：算法梳理与代码实现

10.自动驾驶中的深度学习模型部署实战

11.相机模型与标定(单目+双目+鱼眼）

12.重磅！四旋翼飞行器：算法与实战

13.ROS2从入门到精通：理论与实战

14.国内首个3D缺陷检测教程：理论、源码与实战

15.基于Open3D的点云处理入门与实战教程

16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进

重磅！粉丝学习交流群已成立

交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。

扫描以下二维码，添加小助理微信（dddvisiona）,一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿，微信号：dddvisiona

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、源码分享、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答等进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，6000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看，3天内无条件退款

高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~