基于事件的轨道运动恢复结构

事件传感器提供高时间分辨率的视觉感知，使其成为感知快速视觉现象而不受运动模糊影响的理想选择。机器人学和基于视觉的导航中的某些应用，需要对在静态相机前做圆周或旋转运动的物体进行三维感知，例如恢复物体的角速度和形状。这种设置等同于用轨道运动的相机观察静态物体。在本文中，我们提出了基于事件的轨道运动恢复结构（eSfO），其目标是同时重建由静态事件相机观察到的快速旋转物体的三维结构，并恢复相机的等效轨道运动。我们的贡献有三方面：由于最先进的事件特征跟踪器无法处理因旋转运动引起的周期性自遮挡，我们开发了一种基于时空聚类和数据关联的新型事件特征跟踪器，能够更好地跟踪事件数据中有效特征的螺旋轨迹。然后，将这些特征轨迹输入到我们新颖的基于因子图的轨道运动恢复结构后端，该后端计算使重投影误差最小化的轨道运动参数（例如，旋转速率、相对旋转轴）。为了进行评估，我们生成了一个包含旋转运动物体的新事件数据集。与真值的比较表明了 eSfO 的有效性。