在自動駕駛、行星探測、農(nóng)業(yè)巡檢等真實戶外場景中，多模態(tài)傳感器（如 LiDAR 與相機）的外參標定（即確定兩者之間的空間變換關(guān)系）至關(guān)重要。然而，這些系統(tǒng)一旦部署，就面臨兩大現(xiàn)實挑戰(zhàn)：

• 傳感器漂移：溫度變化、劇烈震動會導致傳感器位姿偏移；

• 目標與傳感器污染：泥沙、劃痕、模糊鏡頭等會嚴重干擾傳統(tǒng)標定方法。

傳統(tǒng)標定依賴棋盤格、平面板等結(jié)構(gòu)化目標——但在野外，它們要么太大難以攜帶，要么極易被遮擋或損壞。更關(guān)鍵的是，現(xiàn)有方法幾乎從未同時考慮“目標損壞”和“傳感器退化”的雙重干擾。

使用產(chǎn)品：松靈SCOUT MINI 越野版

論文鏈接：https://arxiv.org/pdf/2507.17130

項目主頁：https://sparolab.github.io/research/marscalib/

01

創(chuàng)新方案：用一個“小球”搞定多機器人自動標定

研究團隊提出了 MARSCalib：通過“小球+智能感知+多機協(xié)作”范式，實現(xiàn)了面向真實世界的全自動外參標定。

極簡標定物——僅需一個10cm泡沫球

采用白色泡沫球作為唯一標定目標，半徑僅 10 cm（當前文獻最?。?；

輕便、低成本、無方向性，便于機器人攜帶或部署；

即使被泥土覆蓋、部分切割或鏡頭模糊，仍能有效工作。

抗干擾感知 pipeline

• 相機端：結(jié)合 SAM（Segment Anything Model） 與 Canny 邊緣檢測，自動定位球體區(qū)域，并通過橢圓迭代修正消除污染影響；

• LiDAR 端：提出分層加權(quán)點云采樣策略，剔除高方差點簇，保留穩(wěn)定幾何結(jié)構(gòu)，穩(wěn)健擬合球心；

• 聯(lián)合優(yōu)化：基于 PnP + 魯棒核函數(shù)，最小化重投影誤差，抑制異常匹配。

多機器人全自動協(xié)作

• 無需人工干預(yù)：一臺機器人持球靜止，另一臺環(huán)繞采集數(shù)據(jù)；

• 支持異構(gòu)傳感器組合，已在 Ouster、Livox、SOSLAB 三類 LiDAR 上驗證通用性。

02

實驗驗證：精度與魯棒性雙優(yōu)

研究團隊在模擬月球地形與城市建筑工地兩類復(fù)雜環(huán)境中開展測試：

指標	表現(xiàn)
平均平移誤差	< 0.03 m
平均旋轉(zhuǎn)誤差	< 0.5°
重投影誤差	< 2 像素
目標污染容忍度	球體缺失25% 或重度污損下仍成功標定
對比方法性能	顯著優(yōu)于 AprilTag、CopperTag 及 Tóth et aI

特別值得注意的是：在 Livox Avia（非重復(fù)掃描 LiDAR）上，MARSCalib 依然保持高精度，證明其對非規(guī)則點云分布具有強適應(yīng)能力。

03

應(yīng)用價值：從火星到農(nóng)田的廣泛潛力

盡管以“MARS”命名，MARSCalib 的應(yīng)用場景遠不止行星探測：

• 深空探測：火星車在塵暴后自主重標定，保障長期任務(wù)可靠性；

• 智慧農(nóng)業(yè)：無人農(nóng)機在泥濘田間實現(xiàn)傳感器在線校準；

• 工業(yè)巡檢：核電站、礦山等高危環(huán)境中，多機器人協(xié)同完成免維護感知系統(tǒng)部署；

• 低資源 SLAM：為低成本移動機器人提供“自愈”能力，降低運維門檻。

MARSCalib 不僅是一項技術(shù)改進，更代表了一種面向真實世界的設(shè)計哲學：

“不是讓環(huán)境適應(yīng)算法，而是讓算法適應(yīng)環(huán)境。”

通過放棄對“完美標定板”的依賴，轉(zhuǎn)而擁抱簡單、魯棒、可容錯的物理目標與智能感知策略，該工作為未來長期自主機器人系統(tǒng)提供了關(guān)鍵基礎(chǔ)設(shè)施。

松靈機器人成立于2016年，是全球領(lǐng)先的機器人底盤制造商和移動機器人系統(tǒng)解決方案服務(wù)商。目前，松靈機器人已經(jīng)擁有多款適用于不同地形的室內(nèi)外移動機器人底盤，在載重、續(xù)航、速度、運動模式等不同需求場景下實現(xiàn)全矩陣覆蓋。同時，松靈機器人還推出了自動駕駛解決方案，平行駕駛解決方案，機器人科研教育套件等移動機器人底盤配套產(chǎn)品，幫助客戶在自動駕駛、機械控制、計算機、車輛等領(lǐng)域完成實驗驗證。

憑借領(lǐng)先的研發(fā)技術(shù)，松靈機器人已經(jīng)與包括阿里巴巴、華為、本田、中建三局在內(nèi)的30多家行業(yè)領(lǐng)軍企業(yè)，以及中科院、清華大學、南方科技大學、北京理工大學、新加坡國立大學、紐約大學等國內(nèi)外50多所頂尖學府開展了深度合作。