自动环绕相机校准方法在自动驾驶汽车道路场景中的应用

作者：小张Tt | 来源：3D视觉工坊，在公众号后台，回复「原论文」获取论文

本文介绍了一种用于道路场景中鲁棒的自动多摄像头校准和修正的方法。该方法利用了从粗糙到精细的随机搜索策略，可以解决初始外部参数的较大扰动，并弥补了非线性优化方法陷入局部最优值的缺陷。通过在实际和模拟环境中进行的定量和定性实验，结果表明所提出的方法可以实现准确性和鲁棒性的性能。

1 前言

本文提出了一种基于光度误差的道路场景下全景相机外部参数校准的全自动无目标方法。该方法使用了从粗糙到精细的随机搜索策略，可以适应较大的初始外部参数误差，同时避免了在非线性优化方法中陷入最优局部值的问题。在模拟和真实数据集上，该方法表现出有希望的性能。

作者的贡献有三个方面:

• 提出了一种全自动、无目标的方法，基于道路场景下鸟瞰视图中重叠区域的光度误差来进行全景相机外部参数校准。

• 使用了从粗糙到精细的随机搜索策略，可以适应较大的初始外部参数误差。同时，避免了在非线性优化方法中陷入最优局部值的问题。

• 所提出的方法在作者的模拟和真实数据集上表现出有希望的性能；同时，基于分析，作者开发了一款实用的校准软件，并在GitHub上开源，以造福社区。

2 相关工作

车道线基于的方法依赖于捕捉到两条平行车道线，而基于里程计的方法将校准问题纳入到视觉里程计或完整SLAM系统的优化中。基于光度的方法采用直接图像对齐的方法，利用局部亮度来确定优化步骤