核心概念
本文提出了一種基於事件相機法線流的線性和連續時間非線性求解器,用於從事件資料中恢復相機運動和場景幾何,克服了傳統方法對恆定運動假設的依賴,並在準確性和效率方面均有所提升。
本文提出了一種基於事件相機法線流的新方法,用於從視覺資料中恢復相機運動和場景幾何。與傳統基於影格的視覺方法不同,該方法直接利用原始事件資料作為輸入,並利用事件相機的微分工作原理。
問題背景: 從視覺資料中恢復相機運動和場景幾何是電腦視覺中的基本問題。傳統方法通常依賴於特徵提取、資料關聯和多視圖幾何,但這些方法不適用於非同步的事件相機資料。
現有方法的缺陷: 現有的基於事件的方法通常通過迭代地反轉事件資料生成過程來隱式地推斷資料關聯。然而,這些非線性方法的計算複雜度高,且恆定運動假設限制了它們在敏捷運動下的適用性。
本文方法: 本文提出了一種基於事件相機法線流的新方法,並設計了幾何誤差項,將其作為求解涉及瞬時一階運動學和場景幾何的幾何問題的替代方案。
求解器: 本文開發了兩種求解器:
線性求解器:提供閉式解,可用於初始化現有的非線性方法。
連續時間非線性求解器:不受恆定運動假設的限制,可處理運動中的突然變化。
實驗結果: 在合成和真實資料上的實驗表明,本文的線性求解器在準確性和效率方面均優於現有方法,並且可以用作現有非線性求解器的初始化器。此外,本文的連續時間非線性求解器在處理運動中的突然變化方面表現出色。