摘要：针对传统标定方法不适合用在全景相机—激光雷达系统这种极度非线性的成像模型上,并且基于统计最优化方法对激光雷达线数要求较高、精密测量标定设备昂贵等问题,提出了一种基于监督式学习的全景相机—激光雷达的联合标定方法。通过设计了一种圆形标定物获取点云和全景图对应特征点,生成训练数据集;设计了一种包含一个隐藏层的监督式BP学习网络,将传统的标定问题转化为一个多元非线性的回归优化问题;利用反向传播算法,回归出满足精度要求的旋转平移矩阵。实验结果表明,该方法能够迅速回归出标定参数,精度优于传统方法和基于统计最优化的方法。该方法标定精度较高,且具有自动化程度较高等特点。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社