BlinkTrack：通过事件和图像实现 80 FPS 以上特征跟踪
计算机视觉与模式识别
2025-08-04 v2
摘要
事件相机因其高时序分辨率和捕获非同步变化的能力而备受关注，特别是在面对具有挑战性条件的特征跟踪方面。然而，事件相机缺乏常规相机提供的细粒度纹理信息，导致跟踪误差积累。为此，我们提出了一种新框架 BlinkTrack，将事件数据与灰度图像集成，以实现高频率的特征跟踪。我们的方法将传统卡尔曼滤波扩展为基于学习的框架，利用事件和图像分支中的可微卡尔曼滤波器。该方法改进了单模态跟踪，并有效解决了来自非同步事件和图像数据的关联和融合问题。我们还引入了新的合成和增强数据集以更好地评估模型。实验结果表明，BlinkTrack 显著优于现有方法，在多模态数据下超过 80 FPS，在预处理事件数据下超过 100 FPS。代码和数据集可在 https://github.com/ColieShen/BlinkTrack 获取。
引用
@article{arxiv.2409.17981,
title = {BlinkTrack: Feature Tracking over 80 FPS via Events and Images},
author = {Yichen Shen and Yijin Li and Shuo Chen and Guanglin Li and Zhaoyang Huang and Hujun Bao and Zhaopeng Cui and Guofeng Zhang},
journal= {arXiv preprint arXiv:2409.17981},
year = {2025}
}