mediarecorder添加时间戳_[Paper] 自动驾驶中相机和激光雷达的时间戳误差标定
今天介绍一篇2017年发表在IROS的论文 A low-cost system for high-rate, high-accuracy temporal calibration for LIDARs and cameras 。
为什么需要时间戳标定?
不同传感器之间的数据同步对融合算法至关重要,以著名的VINS系列文章中对IMU与摄像头的时间戳误差标定为例。
系统对两个传感器进行采样,获得相应的数据(图像、IMU数据)与对应的采样时间戳。通常,我们假设获得的采样时间戳即为传感器采样时刻对应的时间,比如相机曝光时刻(通常曝光持续几毫秒到几十毫秒,认为曝光时刻为曝光持续的中间时刻),然而,系统存在的触发延时、传输延时和没有准确同步时钟等问题,使得相机和IMU之间的时间不对齐。Online Temporal Calibration for Monocular Visual-Inertial Systems中介绍了在线的相机与imu时间戳误差标定方法。
而对于无人驾驶系统中,常常使用GPS,多线激光雷达,相机与IMU进行融合定位。汽车时速高达几十迈,传感器之间如果与几十毫秒的误差,那么对于周围环境的感知和自身的定位将会有巨大影响。
今天分析的这篇文章则介绍了相机与激光雷达的低成本、高精度的时间校准装置
- 可以用于校准传感器测量到HOST CPU获得数据的时间offset
- 提供了校准的误差上限
- 可以用来研究时间误差对多传感器融合的影响
雷达校准
激光雷达校准示意图如上,使用一个光电传感器来检测激光,用树莓派中断方式检测光电传感器,此时刻作为激光的测量时刻t0,通过tcp发送给host PC, 同时host PC获得激光雷达的数据时刻为t2。 host PC与树莓派通过PTP协议同步时间(PTP可以精确到200ns),从而整个系统的时间基准为树莓派的系统时间。故offset = t2-t1。
相机校准
相机校准依然使用PTP精确同步树莓派和host PC的时间,使用树莓派控制一个LED列(10个),两端LED长亮用来定位,剩下的中间8个LED对应一个6位的计数器CNT,高4个LED对应CNT的高4位,低4个LED对应CNT低2位的数字(CNT的低2位表示4个数,如此保证低4位只有一个LED亮),使用外部电路来驱动CNT周期的自增(溢出归零),同时每次溢出时会触发树莓派中断然后树莓派发送当前时刻到host PC。校准时候,相机连续曝光获得图像,通过图像的LED状态以及树莓派的零点时间可以获得相机的曝光时刻t1, host PC可以记录获得图像的时刻t2, 从而offset = t2-t1。
两样装置共享了大部分设置,成本较低(对于没有硬件触发的设备依然可用)但提供了ms级别的精度,但需要在传感器驱动中添加相应设备时间转系统时间的代码。作者在github上开源了部分传感器的时间转换代码,并上传了硬件电路。
ethz-asl/tcdgithub.com
https://github.com/ethz-asl/cuckoo_time_translatorgithub.com
ethz-asl/cuckoo_time_translatorethz-asl/cuckoo_time_translatorgithub.com
mediarecorder添加时间戳_[Paper] 自动驾驶中相机和激光雷达的时间戳误差标定相关推荐
- ssm中怎么用location.href跳到controller层_聊聊自动驾驶中的功能开发
在知乎上看过不少大牛写的自动驾驶技术介绍文章,大多谈到的是AI, Deep Learning, Computer Vision等等感知(Perception)层面的.但在各个传感器(雷达.摄像头.激光 ...
- 自动驾驶中高效的激光雷达里程计
标题:Efficient LiDAR Odometry for Autonomous Driving 作者:Xin Zheng, Jianke Zhu, Senior Member, IEEE 排版: ...
- 自动驾驶中的激光雷达目标检测的原理和数据特点
转自:http://www.elecfans.com/d/892365.html (侵删) 安全性是自动驾驶中人们最关注的问题之一. 在算法层面,无人车对周围环境的准确感知是保证安全的基础,因此感知算 ...
- 点云数据的类型主要分为_点云学习在自动驾驶中的研究概述
作者:蒋天园 Date:2020-04-17 来源:点云学习在自动驾驶中的研究概述 自动驾驶公司的发展 有关自动驾驶的研究最早可以追述到2004年的DARPA Grand Challenge和2007 ...
- d-s 多传感器信息融合 matlab实现_自动驾驶中的多传感器融合
一.多传感器融合多传感器信息融合(Multi-sensor Information Fusion,MSIF),就是利用计算机技术将来自多传感器或多源的信息和数据,在一定的准则下加以自动分析和综合,以完 ...
- 点云学习在自动驾驶中的研究概述
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 自动驾驶公司的发展 有关自动驾驶的研究最早可以追述到2004年的DARPA Grand Challen ...
- 综述|寻找自动驾驶中的关键场景
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/426572273 编辑丨3D视觉工坊 arXiv在2021年10月16日上传论文"Finding Crit ...
- 自动驾驶中可解释AI综述和未来研究方向
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/453146210 编辑丨3D视觉工坊 arXiv上2021年12月21日上传的自动驾驶可解释AI的综述:" ...
- 自动驾驶中的9种传感器融合算法
来源丨AI 修炼之路 在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程.该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性.冗余性以及最终的安全性. 为了更好地理解,让我们考虑一个简单 ...
最新文章
- lucene .doc文件格式解析——见图
- 解决ubuntu上网慢
- 几个常用的Linux操作系统监控脚本
- Spring官方RSocket Broker 0.3.0发布: 快速构建你的RSocket架构
- (三)用于构建AI语言翻译系统的工具
- PYQT5+PYTHON杂谈
- SharePoint 关于拓扑错误的解决方案
- Data Source与数据库连接池简介 JDBC简介(八)
- Cause: java.sql.SQLException: Unknown initial character set index ‘255‘ received from server. Initia
- Mac OSX 下 mysql 影响关系的问题处理
- .NET Framework也可以开发托管了
- 液晶拼接处理器_液晶拼接屏方案的制作和规划
- GreenDao 工具类 --- 使用 Json 快速生成 Bean、表及其结构,炒鸡快!
- JavaWeb:Tomcat、Servlet
- PS PR AI AE LR AU LR ID 下载资源,简单安装,多种方式下载
- 计算机组成原理学习笔记第1章计算机系统概论 1.1——冯 · 诺依曼结构计算机工作原理及层次结构分析
- bugzilla mysql 配置_Bugzilla 系统配置指南(Win32)
- 和计算机相关的祝福语,祝福语精选
- 史上首例!阿里程序员写的代码,被国家博物馆收藏了!
- 工信部下架96款侵害用户权益App、通报3款违规SDK
热门文章
- 深度学习时间序列预测:LSTM算法构建时间序列单变量模型预测空气质量(PM2.5)+代码实战
- GAN(Generative Adversarial Network,GAN)模型之:EBGAN、PGGAN、CGAN、ACGAN模型
- C#程序结构 基本语法
- pycharm中run pytest解决
- 网页转变成app,隐藏浏览器地址栏
- pandas.read_csv(path_features_known_csv, header=None)的用法
- ClickHouse系列教程二:使用航班飞行数据
- Linux内核模块编程系列1-极简内核模块编写
- Linux命令查看服务器信息
- java.io.IOException: Incompatible clusterIDs