基于雷达与相机共有特征的在线无靶标雷达-相机外参标定

传感器融合对于自动驾驶和自主机器人至关重要，雷达-相机融合系统因其互补的感知能力而日益普及。然而，这两种传感器之间的精确标定对于确保有效融合和提升整体系统性能至关重要。标定包括内参标定和外参标定，其中后者对于实现精确的传感器融合尤为关键。遗憾的是，许多基于靶标的方法需要复杂的操作步骤和精心设计的实验条件，给研究者复现结果带来挑战。为解决此问题，我们提出一种新方法，利用深度学习从原始雷达数据（即距离-多普勒-角度数据）和相机图像中提取共有特征。我们的方法不明确表示这些共有特征，而是隐式地利用它们来匹配两个数据源中的同一物体。具体而言，所提取的共有特征作为一个示例，展示了一种雷达与相机系统间的在线无靶标标定方法。外参变换矩阵的估计即通过这种基于特征的方法实现。为提升标定的精度与鲁棒性，我们采用RANSAC和Levenberg-Marquardt（LM）非线性优化算法来求解该矩阵。我们在真实世界中的实验证明了所提方法的有效性与准确性。