基于交叉注意力的车载环视系统外参标定算法
黄书隽1
林春雨1
覃雷栋1
金智勇2
赵耀1
1.北京交通大学信息科学研究所,北京 1000442.毫末智行科技有限公司,北京 100073
摘要：针对车载环视系统的多相机外参标定问题,本文提出一种基于交叉注意力机制的外参标定算法.首先通过残差卷积模块独立提取多视角图像的多尺度特征,以捕捉图像中的细节信息;其次,利用交叉注意力模块学习各相机图像的全局特征及其相邻相机图像之间的特征关系,从而增强特征表达能力;再次,通过特征融合模块整合残差卷积模块和交叉注意力模块的特征,并回归外参参数;最后,在两种数据集上从性能评价和消融实验角度对模型进行验证.研究结果表明:与现有基于车道线和纹理的外参标定算法相比,本文算法在不同环境下具有更好的泛化性和鲁棒性,其性能指标和鸟瞰图拼接可视化结果均有显著提升;与现有的外参标定算法相比,所提出算法在绝对重投影误差和绝对光度误差上分别达到3.1和16.7,相较于目前最优的深度学习算法弱监督外参参数标定网络(Weakly-supervised Extrinsic Self-calibration Network,WESNet)分别提升了 8.82％和8.74％.该研究成果可为车载环视系统的外参在线标定提供技术支撑.
关键词：环视系统深度学习交叉注意力机制外参标定
分类号：TP391.41(计算技术、计算机技术)
论文发表日期：2025-06-30
在线出版日期：2025-08-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 137-146 )
英文信息