以下内容来自从零开始机器人SLAM知识星球 每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
论文# ESVIO: Event-based Stereo Visual Inertial Odometry
论文地址：https://arxiv.org/abs/2212.13184
作者单位：香港大学机械工程系
异步低延迟事件流的事件相机为具有挑战性的情况下的状态估计提供了很大的机会。近年来，基于事件的视觉里程计研究得到了广泛的研究，但大多数是基于单目的，对双目事件视觉的研究很少。在本文中，我们提出了ESVIO，第一个基于事件的双目视觉惯性里程计，它利用了事件流、标准图像和惯性测量的互补优势。该方法实现了连续双目事件流之间的时间跟踪和匹配，从而获得了鲁棒状态估计。
此外，利用IMU和ESVIO后端将每个事件为参考时刻，设计了运动补偿方法来强调场景边缘。我们验证了ESIO(纯基于事件)和ESVIO(带有图像辅助的事件)在公共和自收集数据集上与其他基于图像和基于事件的基线方法相比具有更好的性能。此外，我们使用我们的方法在低光环境下执行机载四旋翼飞行。为了证明长期有效性，还进行了真实世界的大规模实验。这项工作是一个实时、准确的系统，旨在具有挑战性的环境下进行鲁棒的状态估计。
本文贡献如下：
1、为了在激烈运动和弱光场景下实现鲁棒状态估计，我们提出了第一个基于滑动窗口图优化的纯事件双目VIO (ESIO)。
2、针对连续双目事件流中基于事件的立体特征跟踪与匹配问题，设计了基于几何的时序事件特征跟踪方法和基于瞬时事件的立体特征匹配方法。这两种方法保证了状态估计的准确性和可靠性。
3、我们评估我们的ESVIO可以在公开可用的数据集上实现最先进的性能。在评估我们的方法期间，我们还发布了一个非常具有挑战性的基于事件的VO/VIO数据集。最后，我们使用我们的ESVIO作为估计量，执行机载闭环四旋翼飞行。
以上内容来自从零开始机器人SLAM知识星球 每日更新内容