摘要
精确且稳定的外部校准是高质量融合感知和定位（包括相机与激光雷达LiDAR）的基础。然而，传统的无目标校准方法存在局限性，如场景适应能力差和收敛不稳定，这些因素显著限制了校准的准确性和鲁棒性，尤其是在复杂环境中。为了解决这些问题，我们提出了一种基于在线级联优化的外部校准方法，该方法结合了运动轨迹对齐和边缘特征对齐。在初始校准阶段，通过最小化相机里程计与LiDAR里程计序列之间的残差差异来设计一种手眼校准算法，为后续优化提供可靠的初始值。然后，为了从稀疏点云中提取可靠的边缘线特征，我们在优化过程中利用了点云的深度差异和平面边缘信息。接下来，应用主成分分析（PCA）来计算提取的边缘特征的主方向，从而实现一种考虑方向可观测性的解耦优化方案。这种方法有效缓解了环境特征分布不均匀带来的不利影响。在典型的城市数据集上的实验验证表明，该方法的通用性和准确性具有竞争力：旋转参数误差被控制在0.25°以内，平移误差保持在0.05米以下。这证明了该方法适用于高精度工程应用。
