eKalibr-Stereo：基于事件的双目视觉系统的连续时间时空标定
机器人学
2025-07-23 v2
摘要
受生物启发的事件相机，以其卓越的时间分辨率、高动态范围和低功耗而著称，近年来在运动估计、机器人感知和目标检测中被广泛研究。在自运动估计中，由于直接尺度感知和深度恢复，双目事件相机设置被普遍采用。为了最佳的双目视觉融合，需要精确的时空（外参和时间）标定。考虑到针对事件相机的双目视觉标定器很少，基于我们之前的工作eKalibr（一种事件相机内参标定器），我们提出eKalibr-Stereo用于基于事件的双目视觉系统的精确时空标定。为了提高网格模式跟踪的连续性，在eKalibr的网格模式识别方法基础上，eKalibr-Stereo中设计了一个额外的基于运动先验的跟踪模块来跟踪不完整的网格模式。基于跟踪的网格模式，执行两步初始化过程来恢复分段B样条和时空参数的初始猜测，然后进行连续时间批量光束法平差以将初始状态优化到最优。大量真实世界实验的结果表明，eKalibr-Stereo可以实现精确的基于事件的双目时空标定。eKalibr-Stereo的实现已在(https://github.com/Unsigned-Long/eKalibr)开源，以惠及研究社区。
引用
@article{arxiv.2504.04451,
title = {eKalibr-Stereo: Continuous-Time Spatiotemporal Calibration for Event-Based Stereo Visual Systems},
author = {Shuolong Chen and Xingxing Li and Liu Yuan},
journal= {arXiv preprint arXiv:2504.04451},
year = {2025}
}