UniCal：一种基于单分支 Transformer 的相机到激光雷达标定与验证模型
计算机视觉与模式识别
2023-04-20 v1 机器人学
摘要
我们介绍了一种用于相机到激光雷达（C2L）外参标定的新架构 UniCal，其通过基于 Transformer 的主干网络利用自注意力机制来推断传感器之间 6 自由度（DoF）的相对变换。与先前方法不同，UniCal 通过在以单分支架构联合提取特征之前，将相机图像通道与激光雷达映射聚合为多通道统一表示，来实现输入相机与激光雷达数据的早期融合。这种单分支架构使 UniCal 轻量，这在自动驾驶等资源受限的应用中是可取的。通过实验，我们表明 UniCal 相比现有方法取得了最先进（state-of-the-art）的结果。我们还表明，通过迁移学习，在标定任务上学习的权重可应用于标定验证任务而无需重新训练主干。
引用
@article{arxiv.2304.09715,
title = {UniCal: a Single-Branch Transformer-Based Model for Camera-to-LiDAR Calibration and Validation},
author = {Mathieu Cocheteux and Aaron Low and Marius Bruehlmeier},
journal= {arXiv preprint arXiv:2304.09715},
year = {2023}
}