論文の概要: Full-DoF Egomotion Estimation for Event Cameras Using Geometric Solvers

• arxiv url: http://arxiv.org/abs/2503.03307v1
• Date: Wed, 05 Mar 2025 09:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:08.452847
• Title: Full-DoF Egomotion Estimation for Event Cameras Using Geometric Solvers
• Title（参考訳）: 幾何学的解法を用いたイベントカメラのフルDoFエゴモーション推定
• Authors: Ji Zhao, Banglei Guan, Zibin Liu, Laurent Kneip,
• Abstract要約: 統合されたフレームワーク内での回転速度と翻訳速度の両方を推定するために,いくつかの解法を提案する。 角速度と直線速度の両方のフルDoFエゴモーションパラメータを、センサの余分な測定や動きの前処理を必要とせずに回収できることを実証する。
• 参考スコア（独自算出の注目度）: 24.889607741245246
• License:
• Abstract: For event cameras, current sparse geometric solvers for egomotion estimation assume that the rotational displacements are known, such as those provided by an IMU. Thus, they can only recover the translational motion parameters. Recovering full-DoF motion parameters using a sparse geometric solver is a more challenging task, and has not yet been investigated. In this paper, we propose several solvers to estimate both rotational and translational velocities within a unified framework. Our method leverages event manifolds induced by line segments. The problem formulations are based on either an incidence relation for lines or a novel coplanarity relation for normal vectors. We demonstrate the possibility of recovering full-DoF egomotion parameters for both angular and linear velocities without requiring extra sensor measurements or motion priors. To achieve efficient optimization, we exploit the Adam framework with a first-order approximation of rotations for quick initialization. Experiments on both synthetic and real-world data demonstrate the effectiveness of our method. The code is available at https://github.com/jizhaox/relpose-event.
• Abstract（参考訳）: イベントカメラでは、現在の運動推定のためのスパース幾何学的解法は、IMUが提供するような回転変位が知られていると仮定する。 したがって、それらは翻訳運動パラメータを回復することしかできない。 疎幾何解法を用いて全DoF運動パラメータを復元することは、より困難な課題であり、まだ研究されていない。 本稿では,統合されたフレームワーク内での回転速度と翻訳速度の両方を推定するために,いくつかの解法を提案する。 本手法は,線分によって誘導される事象多様体を利用する。 問題定式化は、直線の入射関係か、正規ベクトルの新規なコプレーナリティ関係のいずれかに基づいている。 角速度と直線速度の両方のフルDoFエゴモーションパラメータを、センサの余分な測定や動きの前処理を必要とせずに回収できることを実証する。 効率的な最適化を実現するために、高速初期化のための回転の1次近似を用いてAdamフレームワークを利用する。 合成データと実世界のデータの両方で実験を行い,本手法の有効性を実証した。 コードはhttps://github.com/jizhaox/relpose-event.comで公開されている。

関連論文リスト

• Motion and Structure from Event-based Normal Flow [26.513167481193225]
  ニューロモルフィックなイベントベースカメラは、この根本的な問題を解決するために、生のイベントデータを入力として利用するアプローチに非常に要求する。 既存の最先端ソリューションは、通常、イベントデータ生成プロセスを反復的に反転することによって暗黙的にデータアソシエーションを推測する。 事象に基づく正規フローは、幾何学的問題群を解く際のフルフローの代替として、提案した幾何学的誤り項を介して利用できることを示す。
  論文  参考訳（メタデータ） (2024-07-17T01:11:20Z)
• Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
  ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。 提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。 合成データと実データの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-10T02:37:36Z)
• CMax-SLAM: Event-based Rotational-Motion Bundle Adjustment and SLAM System using Contrast Maximization [14.771885020122062]
  イベントカメラはバイオインスパイアされた視覚センサで、ピクセルワイドの強度変化を捉え、非同期イベントストリームを出力する。 本稿では,イベントカメラを用いた回転運動推定の問題点について考察する。 過去10年間にいくつかの事象に基づく回転推定法が開発されてきたが、その性能は評価されていない。
  論文  参考訳（メタデータ） (2024-03-12T23:05:10Z)
• RoHM: Robust Human Motion Reconstruction via Diffusion [58.63706638272891]
  RoHMは、モノクロRGB(-D)ビデオから頑健な3次元人間の動きを復元するためのアプローチである。 ノイズと閉鎖された入力データに条件付けし、一貫した大域座標で完全な可塑性運動を再構成した。 本手法は,テスト時に高速でありながら,定性的かつ定量的に最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-01-16T18:57:50Z)
• A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
  本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。 本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
  論文  参考訳（メタデータ） (2023-09-29T08:30:18Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Shuffled Autoregression For Motion Interpolation [53.61556200049156]
  この作業は、モーションタスクのためのディープラーニングソリューションを提供することを目的としている。 本稿では,自己回帰を任意の(シャッフルされた)順序で生成するために拡張する,emphShuffled AutoRegressionと呼ばれる新しいフレームワークを提案する。 また,3つのステージを終端から終端の時空間運動変換器に組み込んだ依存グラフの構築手法を提案する。
  論文  参考訳（メタデータ） (2023-06-10T07:14:59Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Learning to Segment Rigid Motions from Two Frames [72.14906744113125]
  本研究では, 運動場から独立物体の動きを復元する幾何学的解析により, モジュラーネットワークを提案する。 2つの連続フレームを入力とし、背景のセグメンテーションマスクと複数の剛体移動オブジェクトを予測し、3次元の剛体変換によってパラメータ化する。 本手法はkittiおよびsintelにおける剛体運動セグメンテーションの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-11T04:20:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。