基于事件的多传感器系统的时间与旋转标定
机器人学
2025-08-19 v1 计算机视觉与模式识别
摘要
事件相机会对像素级亮度变化作出非同步响应，具有理论上微秒级延迟的感知范式，可显著提升多传感器系统的性能。外源标定是有效传感器融合的关键前提；然而，涉及事件相机的配置仍是未得到充分研究的议题。本文提出了一种针对事件导向的多传感器系统的时间与旋转标定框架，无需专用的标定目标。该方法以事件相机与其他异构传感器分别获取的旋转运动估计作为输入。不同于依赖事件到帧转换的常规方法，本方法高效地从事件数据时空轮廓派生的法向流观测中估计角速度。整体标定管道采用两步方法：首先通过正交正交性分析（CCA）中的运动相关性来初始化时间偏移和旋转外源参数，然后通过在SO(3)中的连续时间参数化进行联合非线性优化来细化时间和旋转参数。对公开数据集和自采数据集的广泛评估表明，所提方法的标定精度与基于目标的方法相当，同时在纯CCA方法上表现出更好的稳定性，凸显其精确性、鲁棒性和灵活性。为促进未来研究，我们的实现将开源。Code: https://github.com/NAIL-HNU/EvMultiCalib
引用
@article{arxiv.2508.12564,
title = {Temporal and Rotational Calibration for Event-Centric Multi-Sensor Systems},
author = {Jiayao Mai and Xiuyuan Lu and Kuan Dai and Shaojie Shen and Yi Zhou},
journal= {arXiv preprint arXiv:2508.12564},
year = {2025}
}
备注
8 pages, 5 figures