智能驾驶车辆行驶环境复杂多样，不可避免地导致传感器相对位姿发生变化，此时需要进行重新标定。
针对智能驾驶车辆的相机和激光雷达发生漂移后的重标定问题，东南大学殷国栋教授团队提出一种基于传感器融合里程计的自动重标定方法，并在《机械工程学报》2021年第20期以封面文章的形式发表了《基于传感器融合里程计的相机与激光雷达自动重标定方法》一文。殷教授团队基于点云投影和图像配准原理建立基准点云和观测图像之间的3D-2D点对，利用N点透视投影得到平移尺度不准的相机运动；通过融合估计的激光雷达运动来恢复准确尺度的相机运动，并将基准点云根据相机运动转换到观测位置下，与观测点云通过点云配准求解变换矩阵，使用时域均值滤波得到最终的外参矩阵。基于智能驾驶车辆试验平台进行室内外实车试验。结果表明所提出的基于传感器融合里程计的方法无需设置标定板，不受环境和数据特征限制，能够实现相机和激光雷达的精确重标定，对传感器漂移具有较高的鲁棒性。
结论
(1)本文针对智能驾驶车辆传感器漂移后的重标定问题，提出了一种基于传感器融合里程计的相机和激光雷达自动重标定方法。基于图像配准和点云配准原理，估计激光雷达运动并恢复准确尺度的相机运动，由此将基准点云转换到观测位置下并利用点云配准求解外参矩阵，由此实现传感器的重标定。所提出的方法完全由数据驱动，无需标定板，不受环境和数据特征的限制。
(2)为验证所提出的算法的有效性，基于智能驾驶车辆平台在室内外环境下进行了的实车试验。对比了观测次数与漂移程度对算法的影响，发现在两次观测输入下，算法能够取得性能和效率平衡；对于不同程度的传感器漂移，标定误差相差不大。总体而言，本文所提出的基于传感器融合里程计的标定方法能够精确、鲁棒地实现相机和激光雷达的重标定。
(3)为进一步应用在智能车辆领域，需实现传感器漂移的在线识别与重标定，这是本文工作未来的主要改进方向。
前景与应用
本文提出的激光雷达与相机重标定方法能够在任一具有一定标志物（如树木、车辆、建筑等）的场景下实现相机与激光雷达的精确重标定，无需使用人工制作的标定板，节约时间与成本，此外，不受环境和数据特征的限制，算法的鲁棒性好，具有广阔的应用前景。