论文《M²-Calibr: Targetless Spatiotemporal Calibration for Multi-Sensor via Multi-Output Gaussian Processes》面向自动驾驶、移动机器人、无人机和三维重建等场景中 LiDAR、Camera、IMU 等多传感器系统的高精度融合需求，提出了一种基于多输出高斯过程的无靶标多传感器时空标定框架 M²-Calibr。针对不同传感器采样频率、观测模态和时间偏移不一致，以及快速运动下点云畸变和外参估计精度下降等问题，研究通过连续时间运动建模实现任意时刻传感器状态查询，提出 Point-MOGP 对激光雷达点级运动状态进行精细化校正，从源头减弱运动畸变，并结合动态时间规整（DTW）与轨迹相关性分析实现时间偏移的快速、稳健估计；同时利用高精度 LiDAR 地图辅助视觉尺度恢复，进一步提升相机与惯性传感器间的空间标定精度。大量公开数据集与自采数据实验表明，该方法在多 IMU-多相机、多 IMU-多 LiDAR 以及 IMU-LiDAR-Camera 联合系统中均取得了稳定可靠的标定效果，并能够支撑高质量彩色点云建图等下游任务。该研究为复杂环境下机器人多源感知、SLAM、三维重建和自主系统部署提供了更加灵活、高效、无需人工标定靶标的时空标定方案，对提升机器人多传感器融合系统的鲁棒性、自动化程度和实际应用能力具有重要意义。