在自动驾驶、行星探测、农业巡检等真实户外场景中，多模态传感器（如 LiDAR 与相机）的外参标定（即确定两者之间的空间变换关系）至关重要。然而，这些系统一旦部署，就面临两大现实挑战：

传感器漂移：温度变化、剧烈震动会导致传感器位姿偏移；

目标与传感器污染：泥沙、划痕、模糊镜头等会严重干扰传统标定方法。

传统标定依赖棋盘格、平面板等结构化目标——但在野外，它们要么太大难以携带，要么极易被遮挡或损坏。更关键的是，现有方法几乎从未同时考虑“目标损坏”和“传感器退化”的双重干扰。

使用产品：松灵SCOUT MINI 越野版

论文链接：https://arxiv.org/pdf/2507.17130

项目主页：https://sparolab.github.io/research/marscalib/

01

创新方案：用一个“小球”搞定多机器人自动标定

研究团队提出了 MARSCalib：通过“小球+智能感知+多机协作”范式，实现了面向真实世界的全自动外参标定。

极简标定物——仅需一个10cm泡沫球

采用白色泡沫球作为唯一标定目标，半径仅 10 cm（当前文献最小）；

轻便、低成本、无方向性，便于机器人携带或部署；

即使被泥土覆盖、部分切割或镜头模糊，仍能有效工作。

抗干扰感知 pipeline

相机端：结合 SAM（Segment Anything Model） 与 Canny 边缘检测，自动定位球体区域，并通过椭圆迭代修正消除污染影响；

LiDAR 端：提出分层加权点云采样策略，剔除高方差点簇，保留稳定几何结构，稳健拟合球心；

联合优化：基于 PnP + 鲁棒核函数，最小化重投影误差，抑制异常匹配。

多机器人全自动协作

无需人工干预：一台机器人持球静止，另一台环绕采集数据；

支持异构传感器组合，已在 Ouster、Livox、SOSLAB 三类 LiDAR 上验证通用性。

02

实验验证：精度与鲁棒性双优

研究团队在模拟月球地形与城市建筑工地两类复杂环境中开展测试：

特别值得注意的是：在 Livox Avia（非重复扫描 LiDAR）上，MARSCalib 依然保持高精度，证明其对非规则点云分布具有强适应能力。

03

应用价值：从火星到农田的广泛潜力

尽管以“MARS”命名，MARSCalib 的应用场景远不止行星探测：

深空探测：火星车在尘暴后自主重标定，保障长期任务可靠性；

智慧农业：无人农机在泥泞田间实现传感器在线校准；

工业巡检：核电站、矿山等高危环境中，多机器人协同完成免维护感知系统部署；

低资源 SLAM：为低成本移动机器人提供“自愈”能力，降低运维门槛。

MARSCalib 不仅是一项技术改进，更代表了一种面向真实世界的设计哲学：

“不是让环境适应算法，而是让算法适应环境。”

通过放弃对“完美标定板”的依赖，转而拥抱简单、鲁棒、可容错的物理目标与智能感知策略，该工作为未来长期自主机器人系统提供了关键基础设施。