仪器仪表学报

作者：刘秋骅，徐晓苏

单位：刘秋骅,东南大学仪器科学与工程学院南京210096,1244920968@qq.com,徐晓苏,东南大学仪器科学与工程学院南京210096,xxs@seu.edu.cn,

关键词：激光雷达;相机;深度学习;端到端;外参标定

准确可靠的传感器外参标定方法是相机-激光雷达融合系统实现高精度定位与导航的关键。然而,现有的端到端相机-激光雷达外参标定方法仍存在诸多不足,如模型参数量大、模态特征相关性计算不匹配等问题。为此,提出了一种基于双目相机估计深度图与激光雷达初始投影深度图的相机-激光雷达外参联合标定方法。该方法首先采用SGBM算法对双目图像进行立体匹配，获得高精度深度估计图;然后将其与激光雷达初始投影深度图一同输入设计的轻量级深度学习网络,进行多模态特征提取,有效缓解模态不一致问题;接着通过相关性匹配层对两种特征进行相关性计算,并且引入两组自注意力机制分别关注旋转外参和平移外参;最后,通过迭代细化的网络训练策略实现高精度的外参估计。在KITTIOdometry数据集上的实验结果表明,所提算法可以分别取得0.67cm的平均平移误差和0.09°平均角度误差,较当前主流的方法LCCNet分别降低了59.64%和72.73%,并且具有更少的模型参数量。此外,所提算法在实车测试中也展现了精确的端到端标定效果,以所提算法标定结果为初始外参的LVI-SAM算法绝对轨迹均方根误差相较LCCNet降低了5.18%,验证了该方法在标定准确性和工程实用性方面的优势。

来源：2025年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第5期