GMMCalib：使用基于 GMM 的联合配准进行 LiDAR 传感器外参标定
机器人学
2024-04-09 v2
摘要
最先进的 LiDAR 标定框架主要使用非概率配准方法，如迭代最近点 (ICP) 及其变体。这些方法由于其成对配准过程以及对初始化和参数化的敏感性，导致结果存在偏差。这通常会在标定过程中引起错位。概率配准方法通过对观测的概率特性进行专门建模，弥补了这些缺陷。本文提出了 GMMCalib，一种用于多 LiDAR 系统的自动基于目标的外参标定方法。通过使用一种允许对多个点云进行联合配准的基于高斯混合模型 (GMM) 的配准方法实现，我们将这种数据驱动的方法与 ICP 算法进行了比较。我们使用 EDGAR 研究车辆的数字孪生进行仿真实验，并在真实环境中验证了结果。我们还解决了外参传感器标定中局部配准方法的局部极小值问题，并使用基于距离的度量来评估标定结果。我们的结果表明，使用基于 GMM 的配准算法可以提高对传感器误标定的鲁棒性。代码已开源并可在 GitHub 上获取。
引用
@article{arxiv.2404.03427,
title = {GMMCalib: Extrinsic Calibration of LiDAR Sensors using GMM-based Joint Registration},
author = {Ilir Tahiraj and Felix Fent and Philipp Hafemann and Egon Ye and Markus Lienkamp},
journal= {arXiv preprint arXiv:2404.03427},
year = {2024}
}