AsynEVO: Asynchronous Event-Driven Visual Odometry for Pure Event Streams

要約

イベント カメラは、ピクセルごとの明るさの変化を非同期的に測定する生物由来のビジョン センサーです。イベント カメラの高い時間分解能と非同期性により、ロボットの動作状態を推定する上で大きな可能性が得られます。
最近の研究では、イベント カメラの固有の性質を利用するために連続時間推定方法が採用されています。
ただし、既存の方法は実行時のパフォーマンスが低いか、イベント カメラの高い時間解像度を無視しています。
それを軽減するために、純粋なイベント ストリームからモーション軌跡を効率的に推測するために、スパース ガウス プロセス (GP) 回帰に基づく非同期イベント駆動ビジュアル オドメトリ (AsynEVO) が提案されています。
具体的には、非同期フロントエンド パイプラインは、イベント駆動型の機能追跡を適応させ、機能の軌跡を管理するように設計されています。
並列動的スライディング ウィンドウ バックエンドは、$SE(3)$ のスパース GP 回帰のフレームワーク内で提示されます。
特に、この GP 回帰の一貫性と希薄性を確保するために、動的な周辺化戦略が採用されています。
公開データセットと現実世界のシナリオで行われた実験は、AsynEVO が最先端のものと比較して競争力のある精度と優れた堅牢性を達成していることを実証しています。反復テクスチャ シナリオでの実験は、AsynEVO の高い時間解像度が重要な役割を果たしていることを示しています。
高速移動の推定における役割。
さらに、AsynEVO の計算効率がインクリメンタル手法よりも大幅に優れていることを示します。

要約(オリジナル)

Event cameras are bio-inspired vision sensors that asynchronously measure per-pixel brightness changes.The high-temporal resolution and asynchronicity of event cameras offer great potential for estimating robot motion states. Recent works have adopted the continuous-time estimation methods to exploit the inherent nature of event cameras. However, existing methods either have poor runtime performance or neglect the high-temporal resolution of event cameras. To alleviate it, an Asynchronous Event-driven Visual Odometry (AsynEVO) based on sparse Gaussian Process (GP) regression is proposed to efficiently infer the motion trajectory from pure event streams. Concretely, an asynchronous frontend pipeline is designed to adapt event-driven feature tracking and manage feature trajectories; a parallel dynamic sliding-window backend is presented within the framework of sparse GP regression on $SE(3)$. Notably, a dynamic marginalization strategy is employed to ensure the consistency and sparsity of this GP regression. Experiments conducted on public datasets and real-world scenarios demonstrate that AsynEVO achieves competitive precision and superior robustness compared to the state-of-the-art.The experiment in the repeated-texture scenario indicates that the high-temporal resolution of AsynEVO plays a vital role in the estimation of high-speed movement. Furthermore, we show that the computational efficiency of AsynEVO significantly outperforms the incremental method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google