eKalibr: Dynamic Intrinsic Calibration for Event Cameras From First Principles of Events

要約

生物からインスピレーションを得たイベントカメラは、その高ダイナミックレンジと低遅延特性から得られる大きな可能性により、近年幅広い研究の注目を集めています。
標準カメラと同様に、イベント カメラには、姿勢推定やマッピングなどのさらに高度な視覚的アプリケーションを容易にするために、正確な固有のキャリブレーションが必要です。
イベント カメラのキャリブレーション方法はいくつか提案されていますが、そのほとんどは、(i) 従来の画像ベースのキャリブレーション パイプラインに大きく依存するエンジニアリング主導型、または (ii) 複雑な機器を必要とする不便なもののいずれかです。
この目的を達成するために、私たちは、慎重に設計されたイベントベースの円グリッド パターン認識アルゴリズムに基づいて構築された、eKalibr というイベント カメラ用の正確かつ便利な固有のキャリブレーション方法を提案します。
イベントからターゲット パターンを抽出するために、イベントベースの正常なフロー推定を実行して、円のエッジによって生成される潜在的なイベントを特定し、それらを空間的にクラスター化します。
その後、同じグリッド円に関連付けられたイベント クラスターが通常のフローを使用して照合され、グループ化され、後続の時変楕円推定が行われます。
最終的なグリッド パターン認識のために、フィッティングされた楕円の中心は時間同期されます。
私たちは、パターン抽出と固有キャリブレーションの観点から eKalibr のパフォーマンスを評価するために広範な実験を実施しました。
eKalibr の実装は、研究コミュニティに利益をもたらすために (https://github.com/Unsigned-Long/eKalibr) でオープンソース化されています。

要約(オリジナル)

The bio-inspired event camera has garnered extensive research attention in recent years, owing to its significant potential derived from its high dynamic range and low latency characteristics. Similar to the standard camera, the event camera requires precise intrinsic calibration to facilitate further high-level visual applications, such as pose estimation and mapping. While several calibration methods for event cameras have been proposed, most of them are either (i) engineering-driven, heavily relying on conventional image-based calibration pipelines, or (ii) inconvenient, requiring complex instrumentation. To this end, we propose an accurate and convenient intrinsic calibration method for event cameras, named eKalibr, which builds upon a carefully designed event-based circle grid pattern recognition algorithm. To extract target patterns from events, we perform event-based normal flow estimation to identify potential events generated by circle edges, and cluster them spatially. Subsequently, event clusters associated with the same grid circles are matched and grouped using normal flows, for subsequent time-varying ellipse estimation. Fitted ellipse centers are time-synchronized, for final grid pattern recognition. We conducted extensive experiments to evaluate the performance of eKalibr in terms of pattern extraction and intrinsic calibration. The implementation of eKalibr is open-sourced at (https://github.com/Unsigned-Long/eKalibr) to benefit the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google