SynCalib：通过外参可控合成破解LiDAR-相机标定的数据集捷径问题

论文提出SynCalib数据生成框架，针对基于深度学习的LiDAR-相机在线标定中训练数据外参多样性不足导致的过拟合与泛化差问题，利用带深度真值标注的全景图像数据集，在严格外参约束下合成多模态标定数据。实验表明该流程显著提升学习式标定网络的泛化性与鲁棒性，并在多种相机-LiDAR配置上完成真实世界评测，验证了仅用合成数据训练模型的零样本迁移能力；数据生成代码、预训练模型和在线基准数据集将公开。