eKalibr：基于事件第一性原理的事件相机动态内参标定

仿生事件相机因其高动态范围和低延迟特性带来的巨大潜力，近年来引起了广泛的研究关注。与标准相机类似，事件相机需要精确的内参标定，以促进位姿估计和建图等进一步的视觉高级应用。尽管已经提出了几种事件相机的标定方法，但它们大多数要么是工程驱动的，严重依赖传统的基于图像的标定流程；要么是不便的，需要复杂的仪器设备。为此，我们提出了一种准确且便捷的事件相机内参标定方法，名为 eKalibr，它建立在精心设计的基于事件的圆点网格图案识别算法之上。为了从事件中提取目标图案，我们执行基于事件的法向流估计，以识别由圆点边缘生成的潜在事件，并在空间上对它们进行聚类。随后，利用法向流将与相同网格圆相关联的事件簇进行匹配和分组，用于随后的时变椭圆估计。拟合的椭圆中心在时间上同步，用于最终的网格图案识别。我们进行了广泛的实验，以评估 eKalibr 在图案提取和内参标定方面的性能。eKalibr 的实现已在 开源，以造福研究社区。