LiREC-Net：用于LiDAR、RGB和事件标定的目标自由学习型网络
计算机视觉与模式识别
2026-02-26 v1
摘要
高级自主系统依赖于多传感器融合以实现更安全、更稳健的感知。为了实现有效的融合，必须从自然驾驶场景（即目标自由）中以高精度进行标定。现有的基于学习的标定方法通常仅针对单一对传感器模组（即双模组设置）进行设计。与这些方法不同，本文提出了LiREC-Net——一个面向LiDAR、RGB和事件数据多模组标定的目标自由、学习型标定网络，统一框架内联合校准多种传感器模组之间的关系。为减少冗余计算并提高效率，本文引入了共享LiDAR表示，利用其3D特性和投影深度图的特征，确保跨模组间的更好一致性。在建立和评估所构建的LiREC-Net模型时，我们采用了KITTI和DSEC等既定数据集。我们的LiREC-Net在与单模组模型相当的性能上取得竞争成绩，并为三模组应用场景树立了新的强基准。
引用
@article{arxiv.2602.21754,
title = {LiREC-Net: A Target-Free and Learning-Based Network for LiDAR, RGB, and Event Calibration},
author = {Aditya Ranjan Dash and Ramy Battrawy and René Schuster and Didier Stricker},
journal= {arXiv preprint arXiv:2602.21754},
year = {2026}
}
备注
Accepted in CVPR 2026