基于稀疏运动场的 SMF-VO 直接 ego-motion 估计
机器人学
2025-11-13 v1 计算机视觉与模式识别
摘要
传统的视觉里程计 (VO) 和视觉惯性里程计 (VIO) 方法依赖 '姿态导向' 范式，从局部地图计算绝对相机姿态，需大规模特征点维护和持续地图优化。该方法计算代价高，限制其在资源受限设备上的实时性能。为克服这些限制，我们引入稀疏运动场视觉里程计 (SMF-VO)，一种轻量级 '运动导向' 框架。我们的 approach 直接从稀疏光流估计瞬时线性和角速度，无需显式姿态估计或昂贵的特征点跟踪。我们还采用基于 3D 射线的广义运动场公式，能准确适用于各种相机模型，包括广角镜头。SMF-VO 在基准数据集上表现出优异的效率和竞争的精度，在仅使用 CPU 的树莓派 5 上实现 100 FPS 以上的帧率。我们的工作为常规方法提供了可扩展且高效的替代方案，极适合移动机器人和可穿戴设备。
关键词
引用
@article{arxiv.2511.09072,
title = {SMF-VO: Direct Ego-Motion Estimation via Sparse Motion Fields},
author = {Sangheon Yang and Yeongin Yoon and Hong Mo Jung and Jongwoo Lim},
journal= {arXiv preprint arXiv:2511.09072},
year = {2025}
}