27. August 2020 - Redaktion Providentia

Targetless Rotational Auto-Calibration of Radar and Camera for Intelligent Transportation Systems

Most intelligent transportation systems use a combination of radar sensors and cameras for robust vehicle perception. The calibration of these heterogeneous sensor types in an automatic fashion during system operation is challenging due to differing physical measurement principles and the high sparsity of traffic radars. We propose – to the best of our knowledge – the first data-driven method for automatic rotational radar-camera calibration without dedicated calibration targets. Our approach is based on a coarse and a fine convolutional neural network. We employ a boosting-inspired training algorithm, where we train the fine network on the residual error of the coarse network. Due to the unavailability of public datasets combining radar and camera measurements, we recorded our own real-world data. We demonstrate that our method is able to reach precise and robust sensor registration and show its generalization capabilities to different sensor alignments and perspectives.

ZUR PUBLIKATION

WEITERE AKTUELLE THEMEN

25. August 2021

CARLA: Was der meistgenutzte Fahrsimulator kann

Mit der neuen Simulatoinssoftware CARLA lassen sich Szenarien durchspielen und der Verkehr analysieren. Fragen an den Wissenschaftler Walter Zimmer.

MEHR >

18. August 2021

Automobilindustrie: Künstliche Intelligenz als differenzierender Faktor

Connected Services und Autonomes Fahren sind zwei der Trends, die die Automobilindustrie in den nächsten Jahren prägen werden. Michael Nolting hat sich in seinem Buch angeschaut, warum KI der wettbewerbsentscheidende Faktor werden wird.

MEHR >

11. August 2021

ASIMI-Faktencheck: Software-Architekturen im Automobilbereich

Welche Rolle spielen Softwarearchitekturen für die Zukunft von Automobilkonzernen? Im Rahmen der ASIMI-Initiative wurden Experten aus der Autoindustrie gefragt – u.a. nach Trends, ihrer Bedeutung und den Herausforderungen.

MEHR >