通过跨模态掩码匹配实现在线无目标LiDAR-相机外参标定

LiDAR-相机外参标定（LCEC）对于智能车辆中的数据融合至关重要。长期以来，基于目标的离线方法一直是该领域的首选。然而，它们通常对真实环境的适应性较差。这很大程度上是因为外参可能因中等冲击或在振动环境中长时间运行而发生显著变化。相比之下，在线无目标方法提供了更大的适应性，但通常缺乏鲁棒性，主要原因是跨模态特征匹配的挑战。因此，在本文中，我们释放了大视觉模型（LVM）的全部潜力——这正成为计算机视觉和机器人领域（尤其是具身人工智能）的重要趋势——以在多种具有挑战性的场景中实现鲁棒且准确的在线无目标LCEC。我们的主要贡献有三点：引入了一个名为MIAS-LCEC的新框架，提供了一个带有交互式可视化界面的开源通用标定工具箱，并发布了从各种室内外环境采集的三个真实世界数据集。我们框架和工具箱的基石是跨模态掩码匹配（C3M）算法，该算法基于最先进的LVM开发，能够生成充足且可靠的匹配。在这些真实世界数据集上进行的大量实验证明了我们方法的鲁棒性，以及其相比最先进方法的优越性能，特别是对于具有超宽视场的固态LiDAR。