面向农业环境的在线LiDAR--相机标定中的校准信息化区域选择
计算机视觉与模式识别
2026-05-25 v1
摘要
可靠的多模态标定需要识别哪些观测真正约束外参数，哪些观测主要添加噪声或歧义。本文提出一种基于支持图的多模态标定方法，将其分解为四个功能模块：初始标定、跨模态残差提取、支持图估计和支持感知 refinement。我们为在线LiDAR--相机标定实现了该框架，分别使用MDPCalib和CMRNext。MDPCalib是一种基于运动和深度点对应关系的无目标LiDAR--相机标定方法，CMRNext是一种稠密LiDAR--相机匹配模型，预测类似光流的图像平面残差。关键贡献是密集校准支持图，其聚合了对齐观测的跨模态一致性，并突出显示校准证据在哪些地方是持续可靠的。在Bacchus Long-Term (BLT)数据集和KITTI上，我们展示，校准证据在空间和语义上是非均匀的，表明某些语义区域为标定提供更强的线索。在KITTI上，支持导向的 refinement 在翻译精度上提高了校准性能，而旋转精度提升有限。
关键词
引用
@article{arxiv.2605.23580,
title = {Calibration-Informative Region Selection for Online LiDAR--Camera Calibration in Agricultural Environments},
author = {Rajitha de Silva and Grzegorz Cielniak},
journal= {arXiv preprint arXiv:2605.23580},
year = {2026}
}
备注
Accepted to ICRA 2026 Workshop on Agricultural Robotics