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 Zhang Saisai;Yu Hongfei

作者机构：辽宁石油化工大学人工智能与软件学院辽宁抚顺113000 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第61卷第12期

页      面：203-210页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081201[工学-计算机系统结构] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61702247) 辽宁省教育厅高校基本科研项目(LJKMZ20220723) 

主　　题：机器视觉 激光雷达 外参标定 深度学习 

摘      要：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。添加随机变换对数据进行预处理,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。和对比方法中最优的结果相比,所提方法的平移预测的误差平均值减少了0.7 cm,验证了所提标定方法的有效性。