面向智能交通系统的雷达与相机无目标旋转自标定

大多数智能交通系统使用雷达传感器与相机的组合以实现稳健的车辆感知。由于不同的物理测量原理以及交通雷达的高稀疏性，在系统运行期间以自动方式标定这些异构传感器类型具有挑战性。据我们所知，我们提出了第一种无需专用标定目标的数据驱动式雷达-相机旋转自动标定方法。我们的方法基于一个粗粒度与一个细粒度卷积神经网络。我们采用提升启发式训练算法，在粗网络的残差误差上训练细网络。由于缺少结合雷达与相机测量的公开数据集，我们记录了自己的真实世界数据。我们证明了我们的方法能够达到精确且稳健的传感器配准，并展示了其对不同传感器对准与视角的泛化能力。