Event-based Mosaicing Bundle Adjustment

要約

純粋に回転するイベント カメラのモザイク バンドル調整 (つまり、カメラの方向とシーン マップの同時調整) の問題に取り組みます。
この問題を正則化された非線形最小二乗最適化として定式化します。
目的関数は、カメラの方向における線形化されたイベント生成モデルとシーンのパノラマ勾配マップを使用して定義されます。
この BA 最適化には利用可能なブロック対角スパース構造があり、問題を効率的に解決できることを示します。
私たちの知る限り、これは、イベントを画像のような表現に変換することなく、イベントベースのカメラのコンテキストで最適化を高速化するためにこのようなスパース性を活用した最初の研究です。
私たちは、合成データセットと現実世界のデータセットの両方で EMBA と呼ばれる手法を評価し、その有効性 (測光誤差が 50% 減少) を示し、前例のない品質の結果をもたらしました。
さらに、高空間解像度のイベント カメラを使用して EMBA をデモンストレーションし、初期マップがなくても、野生の繊細なパノラマを生成します。
プロジェクトページ：https://github.com/tub-rip/emba

要約(オリジナル)

We tackle the problem of mosaicing bundle adjustment (i.e., simultaneous refinement of camera orientations and scene map) for a purely rotating event camera. We formulate the problem as a regularized non-linear least squares optimization. The objective function is defined using the linearized event generation model in the camera orientations and the panoramic gradient map of the scene. We show that this BA optimization has an exploitable block-diagonal sparsity structure, so that the problem can be solved efficiently. To the best of our knowledge, this is the first work to leverage such sparsity to speed up the optimization in the context of event-based cameras, without the need to convert events into image-like representations. We evaluate our method, called EMBA, on both synthetic and real-world datasets to show its effectiveness (50% photometric error decrease), yielding results of unprecedented quality. In addition, we demonstrate EMBA using high spatial resolution event cameras, yielding delicate panoramas in the wild, even without an initial map. Project page: https://github.com/tub-rip/emba

arxiv情報

提供元, 利用サービス

arxiv.jp, Google