露天矿中激光雷达和相机的在线三角约束校准

《IEEE Transactions on Field Robotics》：Online Triangular Constraint Calibration for LiDAR and Cameras in Open-Pit Mines

矿区环境下基于图像点云分割的LiDAR-摄像头在线外置校准方法，提出单目标初始化策略解决标定目标稀缺问题，通过左右相机-LiDAR三角约束降低空间误差，结合置信度数据优化参数，SUV和卡车场景下的标定误差分别低于0.2m和0.3m。

　　

摘要：

激光雷达（LiDAR）与相机之间的外部标定对于智能车辆和移动机器人来说是一项至关重要的任务。然而，目前大多数外部标定方法都是离线的且基于目标的，这使得根据环境特性实现实时标定变得困难。尽管有一些在线标定策略可以解决上述问题，但它们仍然依赖于大量的标记数据，并且在有效目标稀缺的非结构化场景中难以取得令人满意的性能。在这项工作中，我们提出了一种针对采矿场景（一种典型的非结构化场景）的有效在线标定策略。通过对采矿区域数据的分析，我们采用了一种结合图像和点云分割的方法来完成整个标定过程。我们提出了一种支持单个刚性目标的初始化方法，有效解决了由于采矿区域目标稀缺导致的初始化失败问题。通过结合右侧相机的分割结果来建立左右相机-激光雷达的三角约束，可以有效减少平移误差。然后使用带有置信度分数的时间数据来更新和优化外部参数。我们的在线外部标定方法已在采矿场景数据上得到了验证，在10帧内，从SUV收集的数据中平移误差小于0.2米，从卡车收集的数据中平移误差小于0.3米。此外，我们还详细讨论了采矿区域标定的挑战以及所提出方法的局限性。

引言

近年来，自动驾驶受到了学术界和工业界的广泛关注，取得了许多突破[5]、[6]。激光雷达和相机是智能车辆上常用的两种感知传感器，它们相互补充以确保车辆操作的安全性。因此，这两种传感器的外部标定（即确定它们的参考框架之间的平移和旋转关系）对于各种自动驾驶任务至关重要。在安装固定的慢速移动平台上（如移动机器人平台），可以使用标定板或标定室[30]、[50]来进行标定。然而，这些方法是离线的，无法在线评估标定参数的准确性或实时更新它们。