Multimodal Sensor Calibration with a Spherical Calibration Target

Automatisierte Systeme werden mit einer zunehmenden Anzahl unterschied-
licher Sensoren ausgestattet, um immer komplexere Aufgaben zu bewältigen.
Präzise Sensorkalibrierung ist eine essentielle Voraussetzung, um die Informa-
tionen der Sensoren zu fusionieren und wichtige Aufgaben wie Lokalisierung
und Objekterkennung zuverlässig zu bewerkstelligen.
In dieser Arbeit werden neue Methoden zur multimodalen Sensorkalibrierung
vorgestellt. Es wird ein spherischer Kalibrierkörper entwickelt, der von
einer Vielzahl an Sensoren, wie beispielsweise Kameras, Laserscannern und
... mehr
Radaren, detektiert werden kann. Der Kalibrierkörper hat mehrere günstige
Eigenschaften, welche akkurate Detektionen ermöglichen und zu einer sim-
plen Problemformulierung führen. Es werden drei Kalibriermethoden präsen-
tiert. Die erste Methode minimiert euklidische Distanzen zwischen Beobach-
tungen des Kugelzentrums, um die Sensorposen zu schätzen. In der nächst
fortgeschritteneren Methode werden durch eine probabilistische Problemfor-
mulierung zusätzlich Beobachtungsunsicherheiten miteinbezogen. In der drit-
ten Methode werden, neben den Sensorposen, auch intrinsische Sensorparam-
eter geschätzt.
Die drei Methoden werden in Simulation und mittels Realdaten evaluiert.
Es wird gezeigt, dass bereits die einfachste Methode sehr gute Ergebnisse
liefert, mit einem Durchschnittsfehler von weniger als 3 mm in Position und
0.1deg in Orientierung für einen Sensoraufbau mit einer Kamera und einem
Laserscanner. Außerdem wird in der Evaluation ersichtlich, dass die Berück-
sichtigung von Beobachtungsunsicherheiten zu einer deutlichen Verbesserung
der Kalibrierergebnisse führt. Schließlich wird experimentell gezeigt, dass
die Schätzung der intrinsischen Kameraparameter von den komplementären
Messungen der Tiefensensoren profitieren kann.

Automated systems are equipped with an increasing number of diverse sensors
to deal with more and more complex tasks. Accurate sensor calibration is an
essential prerequisite for fusing information from multiple sensors that enables
high reliability in important tasks, such as localization and object detection.
In this work, we present novel methods for multimodal sensor calibration. We
introduce a spherical calibration target that can be observed by a wide range of
sensors, such as cameras, LiDARs and radars. Our target has multiple favor-
able characteristics that lead to accurate detections and a compact calibration
... mehr
problem formulation.
Our Euclidean calibration framework is the simplest of three multimodal cal-
ibration methods that are presented in this work. The Euclidean calibration
framework minimizes Euclidean distances between sphere center observations
to find the sensors’ poses. The second method, additionally, takes observation
uncertainties into account by using a probabilistic formulation of the calibration
problem. Our last and most advanced calibration method enables calibrating
both, intrinsic sensor parameters and sensor poses.
In our simulation environment and on real data, we evaluate all three proposed
calibration methods. We show that even our simplest method provides state of
the art results with a mean error of less than 3 mm in translation and 0.1deg in
rotation for a sensor setup consisting of a camera and a LiDAR. Additionally,
our evaluation shows that taking observation uncertainties into account leads
to significantly improved results. Finally, we show that the estimation of in-
trinsic camera parameters can benefits from the complementary measurements
of range sensors.