非完整地面车辆上的基于事件的视觉里程计

尽管基于事件的运动估计在挑战性条件下具有优越性能的潜力，但由于从事件流中提取和跟踪稳定特征的困难，它仍然是一个难题。为了使估计鲁棒，通常认为需要与其他传感器融合。在这项工作中，我们通过采用阿克曼转向平台的非完整运动约束模型，在平面地面车辆上展示了可靠的纯基于事件的视觉里程计。我们将常规帧式相机的单特征n线性扩展到准时间连续事件轨迹的情形，并通过可变阶泰勒展开实现多项式形式。多个事件轨迹的鲁棒平均通过直方图投票简单实现。在模拟和真实数据上的实验表明，我们的算法能够准确鲁棒地估计车辆的瞬时旋转速度，从而在正常条件下获得与帧式传感器相当的旋转增量结果。此外，在具有挑战性的光照场景中，我们显著优于更传统的替代方案。代码可在 \url{https://github.com/gowanting/NHEVO} 获取。