This Is the Way: Sensors Auto-Calibration Approach Based on Deep Learning for Self-Driving Cars

人工智能 计算机科学 校准 软件部署 过程(计算) 深度学习 计算机视觉 机器人学 领域(数学) 人工神经网络 目标检测 分割 光学(聚焦) 激光雷达 转化(遗传学) 保险丝(电气) 机器学习 机器人 工程类 光学 纯数学 化学 数学 地质学 物理 生物化学 电气工程 操作系统 统计 基因 遥感
作者
Shan Wu,Amnir Hadachi,Damien Vivet,Yadu Prabhakar
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:21 (24): 27779-27788 被引量:12
标识
DOI:10.1109/jsen.2021.3124788
摘要

The technological advancement of sensors and computational power has opened a new chapter in machine learning for robotics applications, especially in image classification, segmentation, object detection, and self-driving cars. One of the challenges among these applications is improving the systems perception reliability and accuracy through sensors fusion. Hence, the focus on using Stereo-cameras and LiDARs as a complement to its accurate distance measurement. However, the calibration process of the sensors is mandatory before deployment. Some may use the conventional methods, including checkerboards, specific pattern labels, or even human labeling, which is labor-intensive and repetitive as it involves doing the same calibration process every time before using. In this work, we have proposed NetCalib – an auto-calibration methodology based on a deep neural network. This research aims to utilize the power of machine learning to find the geometric transformation between stereo cameras and LiDAR automatically. From the experiments, our method manages to find the transformations from randomly sampled artificial errors and outperforms the linear optimization-based ICP algorithm. Furthermore, this research work is open-sourced to the community to fully use the advances of the methodology and initiate collaboration and innovation in this field.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
武雨寒发布了新的文献求助10
1秒前
LLLeon0完成签到,获得积分10
5秒前
Yimi完成签到,获得积分10
5秒前
精明芷雪发布了新的文献求助10
6秒前
7秒前
在水一方应助墨aizhan采纳,获得10
9秒前
9秒前
xiaoweiwei发布了新的文献求助10
9秒前
10秒前
10秒前
tao发布了新的文献求助20
12秒前
13秒前
15秒前
花花花花发布了新的文献求助10
15秒前
小点点发布了新的文献求助10
18秒前
悦耳冷松完成签到 ,获得积分10
19秒前
20秒前
Lucy完成签到,获得积分10
22秒前
舒桐啊完成签到 ,获得积分10
23秒前
meimei完成签到 ,获得积分10
23秒前
dreammaker完成签到,获得积分10
23秒前
An.发布了新的文献求助10
24秒前
ZL完成签到 ,获得积分10
24秒前
温柔孤兰发布了新的文献求助10
24秒前
益笙鸿老板完成签到 ,获得积分10
26秒前
28秒前
wdygao发布了新的文献求助50
28秒前
888777发布了新的文献求助10
28秒前
29秒前
wind完成签到,获得积分20
30秒前
瘪瘪完成签到,获得积分20
31秒前
33秒前
思源应助咸鱼好翻身采纳,获得10
34秒前
yaojia完成签到,获得积分10
34秒前
我在发布了新的文献求助10
36秒前
JamesPei应助dmr采纳,获得10
36秒前
zyb完成签到,获得积分10
37秒前
小二郎应助斯文静竹采纳,获得10
37秒前
1+1关闭了1+1文献求助
38秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3254315
求助须知:如何正确求助?哪些是违规求助? 2896538
关于积分的说明 8293128
捐赠科研通 2565468
什么是DOI,文献DOI怎么找? 1393064
科研通“疑难数据库(出版商)”最低求助积分说明 652418
邀请新用户注册赠送积分活动 629894