El algoritmo de calibración en línea para cámaras y LiDAR ayuda a resolver el problema de la fusión de múltiples sensores y es de gran importancia en los algoritmos de percepción para la conducción autónoma. Los algoritmos de calibración en línea existentes no logran tener en cuenta tanto el rendimiento en tiempo real como la precisión. Los algoritmos de calibración de alta precisión requieren altos requisitos de hardware, mientras que es difícil para los algoritmos de calibración ligeros cumplir con los requisitos de precisión. En segundo lugar, el ruido del sensor, las vibraciones y los cambios en las condiciones ambientales pueden reducir la precisión de la calibración. Además, debido a las grandes diferencias de dominio entre diferentes conjuntos de datos públicos, los algoritmos de calibración en línea existentes son inestables para varios conjuntos de datos y tienen una baja robustez algorítmica. Para resolver los problemas mencionados, proponemos un algoritmo de calibración en línea basado en la fusión de volúmenes de costo a múltiples escalas. Primero, se utiliza una red neuronal convolucional de múltiples capas para reducir la resolución y concatenar los datos RGB de la cámara y los datos de nubes de puntos de LiDAR para obtener mapas de características a tres escalas. Luego, se someten a una concatenación de características y un procesamiento de correlación por grupos para generar tres conjuntos de volúmenes de costo de diferentes escalas. Después de eso, todos los volúmenes de costo se ensamblan y se envían al módulo de estimación de pose. Tras el procesamiento posterior, se puede obtener la matriz de traducción y rotación entre los sistemas de coordenadas de la cámara y LiDAR. Probamos y verificamos este método en el conjunto de datos de odometría KITTI y medimos el error de traducción promedio de los resultados de calibración en 0.278 cm, el error de rotación promedio en 0.020 grados, y el tiempo por cuadro fue de 23 ms, alcanzando un nivel avanzado.