高效事件相机体积系统
计算机视觉与模式识别
2026-03-17 v1 机器人学
摘要
事件相机具有低延迟和高动态范围优势，但稀疏输出致使其难以集成到标准机器人管道中。我们提出了框架名称为 \nameframew（高效事件相机体积系统，EECVS）的新型框架，通过将事件流建模为连续时间的 Dirac 脉冲列，实现无伪影压缩，利用事件时间戳上的直接变换求值。我们的关键创新在于结合密度驱动的自适应选择机制，在 DCT、DTFT 和 DWT 变换之间进行自适应选择，并针对每个域中稀疏性特征制定专用的系数修剪策略。该框架在消除时间分箱伪影的同时，能够根据实时事件密度分析自动适应压缩策略。在 EHPT-XC 和 MVSEC 数据集上，Our 框架通过 DTFT 实现最低的 earth mover distance，实现卓越的重建保真度。在下游分割任务中，EECVS 表现出稳健的泛化能力。值得注意的是，我们的方法在跨数据集泛化方面表现突出：使用 EventSAM 分割评估时，EECVS 在 MVSEC 上的平均 IoU 为 0.87，而体素网格（24 个通道）仅为 0.44，同时在 EHPT-XC 上也保持竞争力。我们的 ROS2 实现提供了实时部署，DCT 处理延迟仅 1.5 毫秒，吞吐量比替代变换高出 2.7 倍，建立了第一个在保持计算效率和在多样化机器人场景下卓越泛化能力之间的自适应事件压缩框架。
引用
@article{arxiv.2603.14738,
title = {Efficient Event Camera Volume System},
author = {Juan Camilo Soto and Ian Noronha and Saru Bharti and Upinder Kaur},
journal= {arXiv preprint arXiv:2603.14738},
year = {2026}
}
备注
Accepted to ICRA 2026