DLBAcalib：基于双LBA的非重叠LiDARs的稳健外标定
机器人学
2025-07-15 v1 计算与语言
摘要
多LiDARs的准确外标定对于提高三维(3D)地图重建系统的基础性能至关重要。本文提出了一种 novel 目标无标定框架，用于多LiDAR系统，无需重叠视场或精确的初始参数估计。不同于需要人工标注或特定参考图案的常规标定方法，我们的方法引入了统一的优化框架，通过整合LiDAR束调整(LBA)优化与稳健迭代细化来实现。该方法通过连续扫描目标LiDAR并采用滑动窗口LiDAR束调整构建准确的参考点云地图，同时将外标定问题形式化为联合LBA优化问题。该方法有效缓解了累积性映射误差，并通过自适应加权机制实现对异常值的抗干扰参数估计。广泛的评估在CARLA仿真环境和真实场景中表明，我们的方法在准确性和稳健性方面均优于当前最先进的标定技术。实验结果显示，对于非重叠传感器配置，本框架在平均平移误差为5 mm、旋转误差为0.2{\deg}的情况下表现出色，初始误差容忍度可达0.4 m/30{\deg}。此外，标定过程无需特殊基础设施或人工参数调谐。代码已开源并可在GitHub上获取（\underline{https://github.com/Silentbarber/DLBAcalib}）
引用
@article{arxiv.2507.09176,
title = {DLBAcalib: Robust Extrinsic Calibration for Non-Overlapping LiDARs Based on Dual LBA},
author = {Han Ye and Yuqiang Jin and Jinyuan Liu and Tao Li and Wen-An Zhang and Minglei Fu},
journal= {arXiv preprint arXiv:2507.09176},
year = {2025}
}
备注
9 pages,14 figures