OWL：一种运动感知的新方法

我们提出了感知函数 OWL，以解决运动期间 3D 感知的复杂挑战。OWL 直接从两种基本视觉运动线索中推导其值，每个点在每个时刻都有一组线索值。运动期间，相对于固定点的两种视觉运动线索浮现：1）固定点附近点感知到的局部视觉逼近，2）刚性物体相对于固定点的感知旋转。OWL 还表达了两种已知物理量之间的关系，即相对于相机和任意可见 3D 点的瞬时方向范围与方向平移之间的相对关系，无需显式测量或先知其单个值。OWL 提供了一种统一、解析的时间基于方法，增强并简化了关键感知能力，包括规模化 3D 映射和相机姿态。仿真表明，OWL 实现了 3D 物体随时间的几何不变性，并可仅从视觉运动线索中实现规模化 3D 场景重建。通过利用来自原始视觉运动图像序列的直接测量，OWL 可在无需固定环境、移动物体或相机运动的已知信息的情况下获得。该方法采用最小化、基于像素的并行计算，为相对运动中的 3D 点提供一种替代的实时表示。OWL 弥合了理论概念与机器人和自动驾驶等实际应用之间的鸿沟，可能为下一代自动系统的实时决策和交互开辟新的可能性。本文提供了一种关于机器感知的替代视角，对自然感知及其对行为心理学和神经功能的更好理解具有潜在意义。