Kalibrace LiDARů vůči kamerám pro automobilové aplikace

Abstract

Tato práce se zabývá problémem kalibrace LiDARu a kamery, která je nezbytná pro fúzi senzorů v autonomních systémech. Přesná kalibrace je klíčová pro vzájemné zarovnání dat ze senzorů, což umožňuje spolehlivé vnímání okolního prostředí a navigaci. Uvádíme přehled současných metod pro intrinsickou a extrinsickou kalibraci, offline a online metody, a přístupy vyžadující kalibrační objekt či nikoliv. Implementujeme metodu pro statickou kalibraci a metody pro online monitorng a tracking, konkrétně OCaMo a LTO, a vyhodnocujeme je na datech získaných z LiDARu Livox HAP a kamery Zed 2. Zatímco statickou kalibraci jsme úspěšně provedli, online metody selhaly kvůli nevhodnému algoritmu na detekci rohů, což poukazuje na nekompatibilitu stávajícího přístupu s LiDARy jiného typu než rotační.This thesis addresses the problem of LiDAR-camera calibration, which is essential for sensor fusion in autonomous systems. Accurate calibration is critical for aligning data, enabling reliable perception and navigation. We review the current state-of-the-art methods for intrinsic and extrinsic calibration, as well as offline, online, target-based, and targetless approaches. We implement a method for static calibration and online monitoring and tracking methods, specifically OCaMo and LTO, and we evaluate them on data collected from Livox HAP LiDAR and Zed 2 camera. While static calibration proved successful, online methods failed due to limitations in corner detection algorithms, highlighting the incompatibility of the existing approach with non-repetitive scan LiDARs.