V2I-Calib: A Novel Calibration Approach for Collaborative Vehicle and Infrastructure LiDAR Systems

合作式车辆和基础设施激光雷达系统具有巨大的潜力，但其实施面临着许多挑战。激光雷达系统在异构车辆和基础设施节点之间的校准是确保感知系统数据准确性和一致性的关键步骤，需要实时和稳定的校准方法。为此，本文介绍了一种新的合作式车辆和道路基础设施激光雷达系统的校准方法，该方法利用检测框之间的空间关联信息。该方法围绕一种新的总体IoU度量展开，该度量反映了车辆和基础设施之间目标的相关性，实现了对校准结果的实时监测。我们通过构建亲和矩阵来寻找车辆和基础设施节点之间的匹配框。随后，这些匹配框经过外部参数计算和优化。对DAIR-V2X数据集进行的比较和消融实验证实了我们方法的优越性。为了更好地反映校准结果的差异，我们根据难度级别对DAIR-V2X数据集的校准任务进行了分类，丰富了数据集的实用性，供未来研究使用。我们的项目可在https://github.com/MassimoQu/v2i-calib找到。

如何实现车辆和基础设施之间的合作式激光雷达系统的校准，以确保感知系统数据的准确性和一致性？

利用检测框之间的空间关联信息，构建一个反映车辆和基础设施之间目标相关性的新型Overall IoU指标，通过构建关联矩阵来寻找匹配的检测框，进行外参参数计算和优化

论文提出的方法在DAIR-V2X数据集上进行了对比和消融实验，证明了其优越性，并将数据集的校准任务根据难度分类，丰富了数据集的实用性。研究开源于https://github.com/MassimoQu/v2i-calib。

其他相关研究未在摘要中提到。