BEVCALIB：基于几何引导鸟瞰图表示的 LiDAR-相机标定
计算机视觉与模式识别
2026-05-06 v2 机器人学
摘要
准确的 LiDAR-相机标定是自动驾驶和机器人系统中融合多模态感知的基础。传统的标定方法需要在受控环境中进行大量数据采集，且无法补偿车辆/机器人在运动过程中的变换变化。在本文中，我们提出了首个利用鸟瞰图 (BEV) 特征从原始数据执行 LiDAR-相机标定的模型，称为 BEVCALIB。为此，我们分别提取相机 BEV 特征和 LiDAR BEV 特征，并将它们融合到共享的 BEV 特征空间中。为了充分利用 BEV 特征中的几何信息，我们引入了一种新颖的特征选择器，用于过滤变换解码器中最重要的特征，这降低了内存消耗并实现了高效训练。在 KITTI、NuScenes 和我们自己的数据集上的广泛评估表明，BEVCALIB 确立了新的 SOTA。在各种噪声条件下，BEVCALIB 在 KITTI 数据集上的（平移，旋转）指标分别比文献中的最佳基线平均提高了 (47.08%, 82.32%)，在 NuScenes 数据集上分别提高了 (78.17%, 68.29%)。在开源领域，它将最佳的可复现基线提升了一个数量级。我们的代码和演示结果可在 https://cisl.ucr.edu/BEVCalib 获取。
关键词
引用
@article{arxiv.2506.02587,
title = {BEVCALIB: LiDAR-Camera Calibration via Geometry-Guided Bird's-Eye View Representations},
author = {Weiduo Yuan and Jerry Li and Justin Yue and Divyank Shah and Konstantinos Karydis and Hang Qiu},
journal= {arXiv preprint arXiv:2506.02587},
year = {2026}
}
备注
Published in CoRL 2025