BEVCALIB: Калибровка LiDAR и камеры с использованием геометрически направленных представлений вида с высоты птичьего полета

BEVCALIB: LiDAR-Camera Calibration via Geometry-Guided Bird's-Eye View Representations

June 3, 2025

Авторы: Weiduo Yuan, Jerry Li, Justin Yue, Divyank Shah, Konstantinos Karydis, Hang Qiu

cs.AI

Аннотация

Точная калибровка LiDAR и камеры является основополагающей для объединения мультимодального восприятия в системах автономного вождения и робототехники. Традиционные методы калибровки требуют обширного сбора данных в контролируемых условиях и не способны компенсировать изменения преобразований во время движения транспортного средства или робота. В данной статье мы предлагаем первую модель, использующую признаки вида с высоты птичьего полета (BEV) для выполнения калибровки LiDAR и камеры на основе исходных данных, названную BEVCALIB. Для этого мы отдельно извлекаем BEV-признаки камеры и LiDAR, а затем объединяем их в общее BEV-пространство признаков. Чтобы полностью использовать геометрическую информацию из BEV-признаков, мы вводим новый селектор признаков, который фильтрует наиболее важные признаки в декодере преобразований, что снижает потребление памяти и обеспечивает эффективное обучение. Обширные оценки на наборах данных KITTI, NuScenes и нашем собственном наборе данных демонстрируют, что BEVCALIB устанавливает новый уровень состояния искусства. При различных условиях шума BEVCALIB превосходит лучший базовый метод в литературе в среднем на (47,08%, 82,32%) на наборе данных KITTI и на (78,17%, 68,29%) на наборе данных NuScenes, в терминах (смещение, вращение), соответственно. В открытой области она улучшает лучший воспроизводимый базовый метод на порядок величины. Наш код и демонстрационные результаты доступны по адресу https://cisl.ucr.edu/BEVCalib.

English

Accurate LiDAR-camera calibration is fundamental to fusing multi-modal perception in autonomous driving and robotic systems. Traditional calibration methods require extensive data collection in controlled environments and cannot compensate for the transformation changes during the vehicle/robot movement. In this paper, we propose the first model that uses bird's-eye view (BEV) features to perform LiDAR camera calibration from raw data, termed BEVCALIB. To achieve this, we extract camera BEV features and LiDAR BEV features separately and fuse them into a shared BEV feature space. To fully utilize the geometric information from the BEV feature, we introduce a novel feature selector to filter the most important features in the transformation decoder, which reduces memory consumption and enables efficient training. Extensive evaluations on KITTI, NuScenes, and our own dataset demonstrate that BEVCALIB establishes a new state of the art. Under various noise conditions, BEVCALIB outperforms the best baseline in the literature by an average of (47.08%, 82.32%) on KITTI dataset, and (78.17%, 68.29%) on NuScenes dataset, in terms of (translation, rotation), respectively. In the open-source domain, it improves the best reproducible baseline by one order of magnitude. Our code and demo results are available at https://cisl.ucr.edu/BEVCalib.