基于事件正常流的时间运动分割与视角运动估计
计算机视觉与模式识别
2025-07-22 v1 机器人学
摘要
本文提出一种针对神经器视觉传感器的运动分割与视角运动估计的稳健框架。与传统依赖光流或显式深度估计的方法不同，我们方法利用稀疏、高时序事件数据，并融合正常流、场景结构与惯性测量之间的几何约束。 proposed 的优化管道依据事件过分割、残差分析和基于运动相似性与时序一致性的层次聚类，迭代实现事件分割、独立运动物体隔离与分割细化。在 EVIMO2v2 数据集上进行实验验证，我们的方法无需计算完整光流，即可实现精准的分割与平移运动估计。该方法在物体边界处表现出显著优势，具有面向可扩展实时机器人与导航应用的潜力。
引用
@article{arxiv.2507.14500,
title = {Motion Segmentation and Egomotion Estimation from Event-Based Normal Flow},
author = {Zhiyuan Hua and Dehao Yuan and Cornelia Fermüller},
journal= {arXiv preprint arXiv:2507.14500},
year = {2025}
}