基于射线密度融合从自运动进行事件立体深度估计
计算机视觉与模式识别
2022-10-18 v1 机器人学
摘要
事件相机是受生物启发的传感器，通过响应场景中亮度变化来模拟人类视网膜。它们以微秒分辨率生成基于异步脉冲的输出，相较传统相机具有高能动态范围、低运动模糊与高能效等优势。大多数基于事件的立体方法试图利用相机的高时间分辨率与跨相机事件的同时性来建立匹配并估计深度。相比之下，本工作研究如何在不进行显式数据关联的情况下，通过融合反投影射线密度从立体事件相机估计深度，并展示了其在以自我中心方式记录的头戴式相机数据上的有效性。代码与视频见 https://github.com/tub-rip/dvs_mcemvs。
引用
@article{arxiv.2210.08927,
title = {Event-based Stereo Depth Estimation from Ego-motion using Ray Density Fusion},
author = {Suman Ghosh and Guillermo Gallego},
journal= {arXiv preprint arXiv:2210.08927},
year = {2022}
}
备注
6 pages, 3 figures, project page: https://github.com/tub-rip/dvs_mcemvs