RLCNet：用于LiDAR、RADAR和相机同时在线校准的端到端深度学习框架
计算机视觉与模式识别
2025-12-10 v1 机器人学
摘要
LiDAR、RADAR和相机传感器的精确外参校准对于自动驾驶车辆的可靠感知至关重要。然而，由于机械振动和动态环境中的累积传感器漂移等因素，这仍然具有挑战性。本文提出了RLCNet，一种新颖的端到端可训练深度学习框架，用于这些多模态传感器的同时在线校准。在真实世界数据集上的验证表明，RLCNet旨在实际部署，并在多种条件下展示了鲁棒性能。为支持实时操作，引入了一个在线校准框架，结合加权移动平均和离群值剔除，实现校准参数的动态调整，降低预测噪声并提高对漂移的鲁棒性。消融研究突出了架构选择的重要性，与现有方法的比较展示了所提方法的优越精度和鲁棒性。
引用
@article{arxiv.2512.08262,
title = {RLCNet: An end-to-end deep learning framework for simultaneous online calibration of LiDAR, RADAR, and Camera},
author = {Hafeez Husain Cholakkal and Stefano Arrigoni and Francesco Braghin},
journal= {arXiv preprint arXiv:2512.08262},
year = {2025}
}