基于多维动态卷积的激光雷达与相机外参标定方法

作者：张赛赛; 于红绯^*

来源：激光与光电子学进展, 2023, 1-12.

• 机器视觉
• 激光雷达
• 相机
• 外参标定
• 深度学习

随着自动驾驶汽车的快速发展，汽车需要来自多个传感器的不同数据来感知周围环境。激光雷达和相机的精确标定对自动驾驶汽车的数据融合至关重要。针对经典神经网络对图像数据特征提取不全面、不准确而导致激光雷达与相机外参标定精度低的问题，提出了一种基于多维度动态卷积的激光雷达与相机外参标定方法。通过添加随机变换对数据进行预处理，并将预处理后的数据输入基于多维度动态卷积的特征提取网络，然后经过特征聚合输出旋转和平移向量，此外使用几何监督和转换监督来指导学习过程。实验结果表明，所提方法可以提升神经网络特征信息提取的能力，进一步提高了外参标定的精度。特别是平移预测的误差平均值和对比方法中最优的结果相比提高了0.7厘米的精度。验证了该标定方法的有效性。

• 单位
  辽宁石油化工大学