基于监督学习的全景相机与激光雷达联合标定

针对当前的全景相机-激光扫描系统，传统标定方法不适用于成像模型极度非线性的全景相机。基于统计优化的方法具有对激光扫描通道数要求相对较高的缺点。用于全景相机-激光扫描系统的高精度标定设备成本高昂。面对全景相机-激光扫描系统标定中的这些问题，提出了一种基于监督学习的方法。首先，通过设计圆形标定物获取全景图像与点云的对应特征点以生成训练数据集。进而，通过设计带有全景成像模型预处理的监督学习网络，将传统标定问题转化为多重非线性回归优化问题。利用反向传播算法高精度回归旋转和平移矩阵。实验结果表明，该方法能快速回归标定参数，且精度优于传统标定方法和基于统计优化的方法。该方法的标定精度非常高，且自动化程度更高。