V2I-Calib：面向协同车路 LiDAR 系统的一种新型标定方法
计算机视觉与模式识别
2024-09-19 v2
摘要
将车辆与道路基础设施集成的协作 LiDAR 系统（称为 V2I 标定）具有巨大的潜力，但其部署面临诸多挑战。确保此类系统中数据准确性与一致性的关键在于对异构车辆与基础设施端 LiDAR 单元进行标定。这要求开发出既实时又稳健的标定方法，尤其要能够在城市峡谷场景中实现稳健性能，而无需依赖初始定位值。为此，本文提出一种新颖的 V2I 标定方法，利用空间关联信息中的感知目标。该方法的核心是一种创新的整体交并比（Overall Intersection over Union, oIoU）指标，用于量化车辆系统与基础设施系统所识别目标之间的相关性，从而实现标定结果的实时监控。我们的做法通过构建关联矩阵来识别车辆与基础设施 LiDAR 系统感知结果中的公共目标，然后以这些公共目标为基础计算和优化外参参数。使用 DAIR-V2X 数据集进行的比较实验与消融研究均证实了我们方法的优越性。项目仓库可在 https://github.com/MassimoQu/v2i-calib 访问，以获取更多见解与资源。
引用
@article{arxiv.2407.10195,
title = {V2I-Calib: A Novel Calibration Approach for Collaborative Vehicle and Infrastructure LiDAR Systems},
author = {Qianxin Qu and Yijin Xiong and Guipeng Zhang and Xin Wu and Xiaohan Gao and Xin Gao and Hanyu Li and Shichun Guo and Guoying Zhang},
journal= {arXiv preprint arXiv:2407.10195},
year = {2024}
}
备注
IROS2024