基于自适应体素化的多小视场激光雷达与相机无目标外参标定

确定多个激光雷达与相机之间的外参数对于自主机器人至关重要，特别是对于固态激光雷达，其中每个激光雷达单元具有非常小的视场（FoV），且常多个单元协同使用。大多数外参标定方法针对360$^\circ$机械旋转激光雷达提出，并假定其与其他激光雷达或相机传感器的视场存在重叠。少数研究工作关注小视场激光雷达与相机的标定，或标定速度的提升。本文中，我们考虑小视场激光雷达与相机之间的外参标定问题，旨在缩短总标定时间并进一步提高标定精度。我们首先在激光雷达特征点的提取与匹配中采用自适应体素化技术。该过程可避免激光雷达外参标定中 $k$-d 树的冗余构建，并以比现有方法更可靠、更快速的方式提取激光雷达特征点。随后，我们将多激光雷达外参标定构造成一个激光雷达束调整（BA）问题。通过将代价函数推导至二阶，非线性最小二乘问题的求解时间与精度得到进一步提升。我们所提方法已在四个无目标场景采集的数据上，以及两种具有完全不同扫描模式、密度与视场的固态激光雷达下得到验证。我们工作的鲁棒性亦在八种初始设置下得到验证，每种设置包含100次独立试验。与最先进方法相比，我们的工作在激光雷达-激光雷达外参标定上提速15倍，在激光雷达-相机外参标定上提速1.5倍（50次独立试验的平均结果），同时保持准确。