基于几何求解器的事件相机全自由度自我运动估计

对于事件相机，当前用于自我运动估计的稀疏几何求解器假设旋转位移是已知的，例如由IMU提供的。因此，它们只能恢复平移运动参数。使用稀疏几何求解器恢复全自由度运动参数是一项更具挑战性的任务，尚未被研究。在本文中，我们提出了多个求解器，在统一框架内估计旋转和平移速度。我们的方法利用由线段诱导的事件流形。问题建模基于线之间的关联或法向量之间的一种新颖共面性关系。我们展示了在不依赖额外传感器测量或运动先验的情况下恢复全自由度自我运动参数（包括角速度和线速度）的可能性。为了实现高效优化，我们利用Adam框架结合旋转的一阶近似进行快速初始化。在合成数据和真实世界数据上的实验证明了我们方法的有效性。代码可在 https://github.com/jizhaox/relpose-event 获取。