面向环境的在线 LiDAR-相机外参标定
计算机视觉与模式识别
2025-11-11 v3 人工智能
机器人学
摘要
LiDAR-相机外参标定(LCEC)是自动驾驶系统中多模态数据融合的关键技术。现有方法，无论是基于目标的还是无目标的，通常依赖定制化标定目标或固定场景类型，限制了其在实际场景中的适用性。为解决这些挑战，本文提出了 EdO-LCEC，即首个面向环境的在线标定方法。不同于传统无目标方法，EdO-LCEC 采用可 generalization 的场景判别器来估计应用环境的特征密度。基于该特征密度，EdO-LCEC 从不同视角提取 LiDAR 强度和深度特征，以实现更高的标定精度。为克服 LiDAR 与相机之间跨模态特征匹配的挑战，我们引入双路径对应匹配(DPCM)，该方法利用结构一致性和纹理一致性实现可靠的 3D-2D 对应点。此外，我们将标定过程形式化为一个联合优化问题，集成多个视角和场景的全局约束，从而提高整体精度。大量实验表明，EdO-LCEC 在实际数据集上优于最先进的方法，尤其是在稀疏点云或传感器视角部分重叠的场景中表现更佳。
关键词
引用
@article{arxiv.2502.00801,
title = {Environment-Driven Online LiDAR-Camera Extrinsic Calibration},
author = {Zhiwei Huang and Jiaqi Li and Hongbo Zhao and Xiao Ma and Ping Zhong and Xiaohu Zhou and Wei Ye and Rui Fan},
journal= {arXiv preprint arXiv:2502.00801},
year = {2025}
}