近日，来自香港科技大学（HKUST）的研究团队提出了一种名为LV-Calib的新型激光雷达-相机外参标定框架。该框架不仅能够精确估计激光雷达与相机之间的外参，还能对激光雷达的边界响应进行校准。相关论文已提交至arXiv预印本平台（arXiv:2606.15010），代码与校准数据将公开发布。
LV-Calib的核心创新在于使用一种可打印的平面靶标作为共享观测载体。该靶标上设计了视觉基准标记（如AprilTag）和圆形反射率边界。相机通过视觉标记获取图像测量值，而激光雷达则通过检测黑白反射率跳变处的圆形边界获得结构特征点。与直接将这些边界点拟合为理想几何轮廓的传统方法不同，LV-Calib首先自动剔除背景点，估计靶标平面方程，然后通过强度约束和几何约束迭代优化激光雷达侧的三维特征点。这一过程能够有效处理由于激光雷达有限波束足迹和混合强度返回在黑白反射率交界处产生的展宽且扭曲的过渡带，从而获得更精确的特征点位置。
在获得优化后的激光雷达特征点后，LV-Calib构建了一个加权重投影一致的外参优化模型。该模型将图像观测保留在重投影域内，并利用优化置信度对激光雷达特征残差进行加权，从而在联合优化中平衡两种传感器的贡献。最终，基于估计的外参和提取的过渡带，LV-Calib通过统计边界重叠样本的俯仰-偏航-距离残差来校准激光雷达的边界响应，进一步提升了标定精度。
在印刷板校准数据上的实验结果显示，LV-Calib实现了亚像素级别的重投影精度和毫米级别的激光雷达特征一致性。此外，将标定结果应用于里程计任务时，其性能相比传统方法有显著提升。该框架为自动驾驶和机器人领域的多传感器融合提供了一种高精度、鲁棒的标定解决方案。
LV-Calib的提出解决了多传感器标定中的一个关键难题：如何处理激光雷达在反射率边界处由于波束足迹和混合反射导致的过渡带失真。传统方法通常假设边界是理想的几何轮廓，但实际数据中边界会模糊和偏移。LV-Calib通过迭代优化和边界响应建模，不仅恢复了更准确的特征点，还校准了激光雷达本身的内在响应特性。这种同时进行外参和边界响应标定的思路具有创新性，有望提高标定的稳健性和精度。
该方法的另一个优势在于使用的靶标简单易得，仅需打印的平面图案，无需昂贵设备。这使得LV-Calib在实验室和实际应用中都具有较高的实用价值。论文实验部分展示了在不同噪声水平下的标定精度，并与其他方法进行了对比，证明了LV-Calib在重投影误差和特征一致性方面均优于现有技术。团队计划在GitHub上发布相关代码和校准数据集，以便社区复现和进一步研究。