香港科技大学（HKUST）の研究チームは、LiDARとカメラの外部パラメータを高精度に推定するとともに、LiDARの境界応答をキャリブレーションする新しいフレームワーク「LV-Calib」を提案しました。本論文はarXiv（arXiv:2606.15010）に投稿されており、コードとキャリブレーションデータは公開される予定です。
LV-Calibの主要な革新点は、印刷可能な平面ターゲットを共有観測媒体として使用することです。ターゲットには視覚フィデューシャル（例：AprilTag）と円形の反射率境界が設計されています。カメラは視覚マーカーから画像計測値を取得し、LiDARは白黒反射率の境界を検出して構造特徴点を得ます。従来手法が境界点を理想的な幾何学的輪郭に直接フィッティングするのに対し、LV-Calibはまず背景点を自動除去し、ターゲット平面を推定した後、強度制約と幾何学的制約に基づいてLiDAR側の3D特徴点を反復的に精緻化します。このプロセスは、LiDARの有限ビームフットプリントと混合強度反射によって白黒反射率不連続面周辺に生じる幅広く歪んだ遷移帯を明示的に処理し、より正確な特徴点位置を実現します。
精緻化されたLiDAR特徴点を用いて、LV-Calibは重み付き再投影一貫性を持つ外部パラメータ最適化モデルを構築します。このモデルでは、画像観測を再投影領域に保持し、LiDAR特徴残差を最適化信頼度で重み付けすることで、両センサーの寄与をバランスします。最後に、推定された外部パラメータと抽出された遷移帯に基づき、境界オーバーラップサンプルのピッチ・ヨー・距離残差統計を計算することでLiDAR境界応答をキャリブレーションし、キャリブレーション精度をさらに向上させます。
印刷基板キャリブレーションデータを用いた実験では、LV-Calibがサブピクセルレベルの再投影精度とミリメートルレベルのLiDAR特徴一貫性を達成しました。さらに、キャリブレーション結果をオドメトリタスクに適用したところ、従来手法と比較して性能が有意に向上しました。本フレームワークは、自動運転やロボット分野におけるマルチセンサーフュージョンに高精度で堅牢なキャリブレーションソリューションを提供します。
LV-Calibは、反射率境界におけるビームフットプリントと混合反射に起因する遷移帯歪みを扱うという、マルチセンサーキャリブレーションの重要な課題に対処します。従来の手法が境界を理想的な幾何学的形状と仮定するのに対し、LV-Calibは反復最適化と境界応答モデリングにより、より正確な特徴点を復元するだけでなく、LiDAR自体の内部応答特性もキャリブレーションします。この外部パラメータと境界応答を同時にキャリブレーションするアプローチは革新的であり、キャリブレーションの堅牢性と精度を向上させることが期待されます。
この手法のもう一つの利点は、使用するターゲットが印刷可能な平面パターンだけで済み、高価な装置を必要としないことです。これにより、LV-Calibは研究室だけでなく実用的な場面でも高い応用価値を持ちます。論文の実験では、様々なノイズレベルでのキャリブレーション精度を示し、他の手法と比較して、再投影誤差と特徴一貫性の両方で優れていることを実証しています。研究チームは、コミュニティでの再現とさらなる研究のために、GitHubでコードとキャリブレーションデータセットを公開する予定です。