標定是確定不同坐標系的相互轉換關係,是感測器數據融合的前提,特別是激光雷達和圖像數據。這裡以深度學習的方法訓練CNN模型去回歸坐標系轉換的參數。
主要是兩個CNN模型:RegNet和CalibNet。
RegNet應該是第一個深度卷積神經網路(CNN)推斷多感測器的6自由度(DOF)外參數標定,即激光雷達(LiDAR)和單目攝像頭。RegNet將標定的三個步驟(特徵提取、特徵匹配和全局回歸)映射到單個實時CNN模型中。在訓練期間,隨機對系統進行重新調整,以便訓練RegNet推斷出激光雷達投影到攝像頭的深度測量與RGB圖像之間的對應關係,並最終回歸標定外參數。此外,通過迭代執行多個CNN,在不同程度失標定(decalibration)數據上進行訓練。如圖是一個例子。