RC-AutoCalib：端到端雷达-相机自动标定网络
计算机视觉与模式识别
2025-05-29 v1
摘要
本文提出了一种突破性的方法——首个用于雷达和相机系统的在线自动几何标定方法。鉴于雷达高度数据存在显著的数据稀疏性和测量不确定性，在系统运行期间实现自动标定长期以来一直是一项挑战。为了解决稀疏性问题，我们提出了一种双视角表示，从正视图和鸟瞰图中收集特征。正视图包含丰富但对高度敏感的信息，而鸟瞰图则提供对抗高度不确定性的稳健特征。因此，我们提出了一种新颖的选择性融合机制，以从两个视角中识别并融合可靠特征，从而减少高度不确定性的影响。此外，对于每个视角，我们引入了多模态交叉注意力机制，通过跨模态匹配显式地寻找位置对应关系。在训练阶段，我们还设计了一个抗噪匹配器，以提供更好的监督并增强匹配机制对稀疏性和高度不确定性的鲁棒性。我们在nuScenes数据集上测试的实验结果表明，我们的方法显著优于以往的雷达-相机自动标定方法，以及现有的最先进LiDAR-相机标定技术，为未来的研究确立了新的基准。代码可在 https://github.com/nycu-acm/RC-AutoCalib 获取。
引用
@article{arxiv.2505.22427,
title = {RC-AutoCalib: An End-to-End Radar-Camera Automatic Calibration Network},
author = {Van-Tin Luu and Yon-Lin Cai and Vu-Hoang Tran and Wei-Chen Chiu and Yi-Ting Chen and Ching-Chun Huang},
journal= {arXiv preprint arXiv:2505.22427},
year = {2025}
}
备注
Accepted to CVPR 2025