MULi-Ev: Maintaining Unperturbed LiDAR-Event Calibration

尽管对于提升自动驾驶车辆感知系统的兴趣日益增加，但是事件相机和激光雷达之间的在线校准——这两种传感器对于捕捉全面的环境信息至关重要，仍未被探索。我们介绍了MULi-Ev，这是第一个专门用于事件相机与激光雷达外部校准的在线深度学习框架。这一进步对于无缝集成激光雷达和事件相机至关重要，可以实现动态、实时的校准调整，这对于在不同操作条件下保持传感器最佳对准是必不可少的。经过在DSEC数据集中呈现的真实场景的严格评估，MULi-Ev不仅在校准精度方面取得了显著改进，而且还为移动平台中集成激光雷达和事件相机设定了新标准。我们的发现揭示了MULi-Ev在增强自动驾驶中基于事件的感知系统的安全性、可靠性和整体性能方面的潜力，这标志着它们在现实世界中的部署和有效性方面迈出了重要一步。

解决问题：本论文旨在解决自动驾驶中事件相机与LiDAR之间的在线标定问题，以实现最佳传感器对齐，提高感知系统的性能和可靠性。

关键思路：本论文提出了一种基于深度学习的在线标定框架MULi-Ev，用于事件相机与LiDAR之间的标定。该框架能够实现动态、实时的标定调整，以应对不同的操作条件。

其他亮点：本论文在DSEC数据集上进行了严格的评估，证明了MULi-Ev不仅能够显著提高标定精度，还能够在移动平台上实现事件相机与LiDAR的无缝集成。该研究为自动驾驶中事件相机感知系统的实际部署和有效性迈出了重要一步。

相关研究：最近的相关研究包括LiDAR和事件相机的标定方法，其中一些论文的标题包括“Event-LiDAR标定：一种基于图像的方法”和“使用事件相机和LiDAR进行实时自我定位和地图构建”。