释放双目事件相机时序潜能：用于连续时间3D目标检测的框架

3D目标检测是自动驾驶系统的核心技术，能够实现精准的定位与尺寸估计。虽然激光雷达和RGB相机在实际应用中广泛使用，但其固定帧率在高速场景下会导致感知间隙。事件相机具备异步特性和高时序分辨率，能够连续捕获运动信息，为解决这一问题提供了可能。然而，现有将事件相机与常规传感器集成以实现连续时间检测的方法，在依赖同步传感器的前提下，难以应对快速运动场景。我们提出了一种仅依赖事件相机的全新立体3D目标检测框架，无需常规3D传感器。为弥补事件数据缺乏语义与几何信息的不足，我们引入了双滤波机制，以提取两类信息。此外，我们通过对齐目标导向信息来增强边界框的回归。实验表明，我们的方法在动态环境下的性能优于先前方法，展示了事件相机在稳健连续时间3D感知中的潜力。代码已公开于 https://github.com/mickeykang16/Ev-Stereo3D。