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

11. Mai 2021

So entsteht ein Algorithmus für die Stabilisierung von Kamerabildern

Wenn eine Schilderbrücke durch Wind hin und her schwankt, bewegen sich die Kameras mit. Algorithmen verhindern, dass Messfehler auftreten.

MEHR >

6. Mai 2021

Autonome Konzepte zerlegen klassischen Automarkt

Der Co-Autor des Buchs „Die autonome Revolution“ Andreas Herrmann erläutert, warum sich der Markt für autonome Fahrzeuge in zwei Teile spalten wird, People Mover und Privatfahrzeuge – und welche Herangehensweisen Erfolg versprechen.

MEHR >

21. April 2021

Verkehr: Digitalisieren wie ein Echtzeitunternehmen

Umso digitalisierter der Verkehr, umso besser lassen sich Unfälle verhindern und Staus verhindern. In Unternehmen sind Echtzeitentscheidungen längst etabliert.

MEHR >