学习论文Real-time Visual-Inertial Odometry for Event Cameras using Keyframe-based Nonlinear Optimization
1. 摘要
提出一种新颖, 精确的紧密耦合的视觉里程计。充分利用该相机的属性去估计相机的在高挑战场景下的运动。
这个方法追踪一组特征点(在图像平面提取的特征), 我们考虑时空重叠窗口内的事件, 用当前相机的运动和场景结构进行校准, 产生运动补偿帧。
最后结合基于关键帧内追踪到的特征点,基于非线性优化的VO算法去估计相机的6-自由度位姿, 速度和IMU偏差。
2.方法
- Feature Detectiong
对运动消除的之后的事件帧采用Fast角点检测,github项目地址为: https://github.com/uzh-rpg/fast
Fast Cornel detection[23]: Machine learning for high-speed corner detection. Edward Rosten
- Feature Tracking and LandMarks
相邻两事件帧使用金字塔LK光流法去追踪路标点, IMU获取的转换矩阵用于预测特征的位置, 使用金字塔跟踪的位姿进行校准, 对那些没有追踪成功的点立即丢弃。
pyramidal Lukas-Kanade [2] : Lucas-kanade 20 years on: A unifying fra