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

24. November 2021

Verkehr: Mehrwert durch Big Data

Big Data sind nötig, um Pkws von Motorrädern und Radfahrern zu unterscheiden, Manöver zu erkennen, Unfälle zu analysieren und den Verkehr zu simulieren. Zudem sind auf deren Basis Simulationen des Verkehrs möglich.

MEHR >

15. November 2021

Automatisiertes und vernetztes Fahren: Testfeldmonitor macht Projekte und Testfelder transparent

24 Testfelder und 140 Projekte rund um das automatisierte und vernetzte Fahren gibt es in Deutschland. Kaum jemand kennt sie. Testfeldmonitor.de schafft Abhilfe.

MEHR >

21. Oktober 2021

Software bei OEMs: Kollaboration statt “Clash of Clans” bei Stellantis

14 Automarken unter einem Dach zu haben, bedeutet auch, Synergien zu nutzen. Fragen an den Chef der Software-, Hardware und KI-Entwicklung bei Stellantis Joachim Langenwalter.

MEHR >