Skip to content
Anima Mundi Anima Mundi

标定进阶：LiDAR-IMU 与在线标定

主题：笔记 05 之外更前沿的标定方向——LiDAR-IMU 无目标标定、连续时间批量优化、在线/自标定、开源工具箱，以及”相机-激光雷达-IMU”联合时空标定综述。 英文材料要点已译为中文。 版权说明：本文为公开资料（论文/专利/厂商文档）的中文要点综述与整理，非原文转载。完整内容与图表请访问文末「信息来源」中的原始链接；引用请注明原始出处。

1. 为什么需要进阶标定？

Section titled “1. 为什么需要进阶标定？”

笔记 05 的基于目标物/离线标定方法存在工程短板：

  • 需要标定场地与人工操作，对非专业用户不友好；
  • 标定完成后外参会因振动、热胀冷缩、拆装维护而漂移；
  • 工业设备（矿卡、天车、AGV）长期运行后精度下降，停机复标成本高。

因此研究热点转向：**无目标物（targetless）、在线（online）、连续时间（continuous-time）**标定。

2. LiDAR-IMU 外参标定（重点）

Section titled “2. LiDAR-IMU 外参标定（重点）”

LiDAR 与 IMU 的组合是 SLAM/运动补偿的基础（见笔记 06），其外参标定方法谱系：

方法原理代表
基于目标物（离线）标定场 + 特征靶标传统方案
手眼标定将标定问题转化为 AX=XB经典 LiDAR-IMU 标定
无目标 + 连续时间连续时间样条/批量优化，联合最小化 IMU 代价与 LiDAR 点到 surfel 距离LI-Calib（IROS 2020，浙大 FAST-Lab）
无目标 + 在线运行中自动估计外参（可联合相机）GCT-LICalib（IEEE 2025）、Target-Free Online Extrinsic（IEEE 2024）

2.1 LI-Calib（IROS 2020，开源工具）

Section titled “2.1 LI-Calib（IROS 2020，开源工具）”
  • 出处：浙江大学 FAST-Lab（APRIL-ZJU），GitHub 开源：lidar_IMU_calib；
  • 标定对象：3D LiDAR 与 IMU 之间的 6DoF 刚体变换 + 时间偏移（time offset）；
  • 核心：**连续时间批量优化（continuous-time batch optimization）**框架——联合最小化 IMU 代价与 LiDAR 点到面元（point-to-surfel）距离；
  • 优势：一般场景下问题约束良好（well-constrained），无需标定靶标；
  • 工业启示：堆取料机/矿卡上 LiDAR+IMU 组合标定可直接采用该工具流程。

2.2 无目标 LiDAR-IMU 标定（arXiv 2104.12280）

Section titled “2.2 无目标 LiDAR-IMU 标定（arXiv 2104.12280）”
  • 参考工作对比：Gaussian process regression、连续时间样条；
  • 本文：EKF 框架下的离散时间 IMU 状态传播模型补偿标定过程中的运动；
  • 实验平台：Ouster 128 线 LiDAR + Vectornav VN-300 IMU。

2.3 GCT-LICalib：地面平面约束的在线标定（IEEE 2025）

Section titled “2.3 GCT-LICalib：地面平面约束的在线标定（IEEE 2025）”
  • 问题：现有在线无目标方法通常假设丰富的 3D 运动激励（急转、俯仰），工业车辆（矿卡、AGV）常年在平面运动下运行，不满足该假设；
  • 方案：引入地面平面运动（Ground-Plane Motion, GPM）约束，在标准平面运动条件下完成在线标定；
  • 意义：贴合工业车辆真实工况——大多数轮式工业设备只在平面上运动。

2.4 Target-Free and User-Friendly Online Extrinsic Calibration（《无目标、用户友好的在线外参标定》，IEEE 2024）

Section titled “2.4 Target-Free and User-Friendly Online Extrinsic Calibration（《无目标、用户友好的在线外参标定》，IEEE 2024）”
  • 提出 LiDAR-IMU-相机在线联合外参标定框架；
  • 创新：IMU 为中心的运动激励评估方法，指导非专业用户完成数据采集，并作为外参旋转初始化的终止判据。

3. 多传感器联合时空标定综述

Section titled “3. 多传感器联合时空标定综述”

Camera, LiDAR, and IMU Spatiotemporal Calibration: A Review（《相机、激光雷达与 IMU 时空标定综述》，MDPI Sensors 2025, 25(17): 5409）

  • 现状：相机-LiDAR 标定研究充分，但相机-LiDAR-IMU 三者联合标定缺乏系统综述；
  • 覆盖：空间外参 + 时间偏移的联合估计方法；
  • 价值：为多传感器系统（矿卡、无人天车、AGV）的整体标定方案设计提供检索入口。

4. 多 LiDAR+相机+IMU 同时标定（arXiv 2501.02821）

Section titled “4. 多 LiDAR+相机+IMU 同时标定（arXiv 2501.02821）”
  • 连续时间方法同时估计：多 LiDAR 内参、外参、时间偏移 + 相机 + IMU；
  • 场景：多雷达配置的工业/自动驾驶平台（如多 LiDAR 重卡）一次性完成全系统标定。

5. 资源汇总：开源工具箱

Section titled “5. 资源汇总：开源工具箱”
工具内容链接
LI-Calib（APRIL-ZJU）LiDAR-IMU 6DoF + 时间偏移，连续时间批量优化https://github.com/APRIL-ZJU/lidar_IMU_calib
Awesome-LiDAR-IMU-calibrationLiDAR-IMU 标定方法+工具箱汇总列表（持续维护）https://github.com/Taeyoung96/Awesome-LiDAR-IMU-calibration
Target-free Extrinsic Calibration（《无目标外参标定》，arXiv）EKF 框架无目标 LiDAR-IMU 标定https://arxiv.org/html/2104.12280v3
多传感器连续时间联合标定（arXiv）多 LiDAR-相机-IMU 内参/外参/时间偏移https://arxiv.org/html/2501.02821v1

6. 工业部署建议

Section titled “6. 工业部署建议”
  1. 新建系统：优先采用”离线靶标标定（初值）+ 在线自标定（长期维持）“双层策略；
  2. 在线标定触发条件：外参漂移检测（如点云拼接残差、里程计一致性指标）超阈值时自动重标，避免停机；
  3. 平面运动场景：选用支持地面约束的方法（GCT-LICalib 思路），不要套用假设丰富激励的自动驾驶方法；
  4. 时间同步先行：所有空间标定都要求时间戳对齐（PPS/硬件触发或软件估计），时间偏移应与外参联合优化；
  5. 开源工具验证：先用 LI-Calib 在自己数据上跑通，再决定是否自研。

7. 信息来源与链接

Section titled “7. 信息来源与链接”

版权提示：论文版权归出版社/IEEE（arXiv 版本可自由阅读）；开源代码遵循各自 License（LI-Calib 等多为学术用途许可），商用前请核查。