RoEL: 稳健的基于事件的3D线路重建
机器人学
2026-02-23 v1 计算机视觉与模式识别
摘要
事件相机在运动中倾向于检测物体边界或纹理边缘，这些特征产生亮度变化的线条，尤其在人造环境中更为明显。虽然线条可构成稳健的中间表示，但其稀疏性可能因轻微估计误差而导致严重退化。只有少数前工作常伴随额外传感器，利用线条来补偿事件传感器沿用域差异和不可预测噪声特征。我们提出一种方法，可通过观察事件多个时间切片的多种表示，巧妙地提取外观各异的线条轨迹，从而补偿事件数据中的潜在干扰因素。随后，我们提出几何代价函数以细化3D线路图和相机姿态，消除投影畸变和深度歧义。生成的3D线路图高度紧凑，可适用于我们提出的代价函数，后者可适用于任何能检测和提取线条结构或其投影的观察，包括3D点云图或图像观察。我们展示，该公式足够强大，能在多样数据集上显著提升事件基映射和姿态细化性能，并可灵活应用于多模态场景。我们的结果确认，所提出的基于线条的公式是面向实际部署的事件感知模块的稳健且有效的方法。项目页面: https://gwangtak.github.io/roel/
引用
@article{arxiv.2602.18258,
title = {RoEL: Robust Event-based 3D Line Reconstruction},
author = {Gwangtak Bae and Jaeho Shin and Seunggu Kang and Junho Kim and Ayoung Kim and Young Min Kim},
journal= {arXiv preprint arXiv:2602.18258},
year = {2026}
}
备注
IEEE Transactions on Robotics (T-RO)