日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

キャリブレーションarXiv:2512.14001

CLAIM: 強度と単眼深度を用いたカメラ-LiDAR位置合わせ

CLAIM: Camera-LiDAR Alignment with Intensity and Monodepth

シェア:XThreadsFacebookLINEはてブBluesky

単眼深度推定モデルを活用し、強度ベースの構造損失と相互情報量ベースのテクスチャ損失でカメラとLiDARの位置合わせを粗密探索する手法を提案。

詳しい要約

1. どんなもの?

- カメラとLiDARのデータを位置合わせする新手法 CLAIM の提案 - monodepth モデルを camera-LiDAR calibration に活用する点が特徴 - 初期推定値と画像・LiDAR point cloud のペアを入力とする - 公開データセット KITTI, Waymo, MIAS-LCEC で評価

2. 先行研究と比べてどこがすごい?

- 多くの手法が要する複雑なデータ処理・feature extraction・feature matching を不要とする - 単純でありながら多くのシーンに適応可能 - KITTI, Waymo, MIAS-LCEC で state-of-the-art 手法を上回る性能を示したと主張 - 具体的な比較手法名は要旨からは不明

3. 技術・手法の肝は?

- monodepth モデルの出力を活用した camera-LiDAR alignment - coarse-to-fine searching により最適な transformation を探索 - patched Pearson correlation に基づく structure loss を最小化 - mutual information に基づく texture loss を最小化 - これら2つの損失が alignment 結果の指標として機能

4. どうやって有効だと検証した?

- 公開データセット KITTI, Waymo, MIAS-LCEC で検証 - 実験結果は state-of-the-art 手法と比較して優れた性能を示すと報告 - 定量的な評価指標や実験設定の詳細は要旨からは不明

5. 議論はある?

- 複雑な前処理や特徴抽出を不要とする簡便性を主張 - 多くのシーンへの適応性を主張 - 失敗ケースや限界、計算コストに関する議論は要旨からは不明

6. 次に読むべき論文は?

- monodepth を用いた calibration 関連研究 - Pearson correlation や mutual information を用いた registration 手法 - KITTI, Waymo, MIAS-LCEC を用いた camera-LiDAR calibration の比較研究 - 具体的な参照論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhuo Zhang, Yonghui Liu, Meijie Zhang, Feiyang Tan, Yikang Ding

分類: cs.RO, cs.CV

原文アブストラクト

In this paper, we unleash the potential of the powerful monodepth model in camera-LiDAR calibration and propose CLAIM, a novel method of aligning data from the camera and LiDAR. Given the initial guess and pairs of images and LiDAR point clouds, CLAIM utilizes a coarse-to-fine searching method to find the optimal transformation minimizing a patched Pearson correlation-based structure loss and a mutual information-based texture loss. These two losses serve as good metrics for camera-LiDAR alignment results and require no complicated steps of data processing, feature extraction, or feature matching like most methods, rendering our method simple and adaptive to most scenes. We validate CLAIM on public KITTI, Waymo, and MIAS-LCEC datasets, and the experimental results demonstrate its superior performance compared with the state-of-the-art methods. The code is available at https://github.com/Tompson11/claim.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI