日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
視覚オドメトリarXiv:2610.02601

キータイムガウス過程回帰によるリアルタイムイベントカメラステレオ視覚オドメトリ

Real-time Event-camera Stereo Visual Odometry via Keytime Gaussian Process Regression

シェア:XThreadsFacebookLINEはてブBluesky

非同期イベントをキータイムのみで推定状態を削減しつつ、WNOA事前分布で補間してリアルタイムに処理する連続時間ステレオ視覚オドメトリを提案し、MVSECとDSECで高精度・高速な推定を実現した。

詳しい要約

1. どんなもの？

- Event camera の非同期イベントストリームを native temporal resolution で処理する連続時間 stereo visual odometry (VO) pipeline。 - マイクロ秒レベルの時間分解能と高 dynamic range を活かし、motion blur や低照度に強い。 - 推定状態を keytime に削減しつつ、測定を正確な timestamp に補間することで全時間分解能を維持。 - MVSEC と DSEC で評価し、リアルタイム動作を実現。

2. 先行研究と比べてどこがすごい？

- 従来の continuous-time Gaussian process (GP) regression と white-noise-on-acceleration (WNOA) prior を naive に適用すると推定状態が過大になる問題を解決。 - 状態サイズを密な測定数から切り離し、非同期性を捨てずにリアルタイム化。 - state-of-the-art の離散推定器 ES-PTAM と比較し、テストしたほぼ全てのシーケンスでより高精度。 - MVSEC で 22 Hz、DSEC で 6 Hz の推定を実現し、RMS 相対誤差は ES-PTAM よりそれぞれ 11 倍、15 倍改善。

3. 技術・手法の肝は？

- 連続時間 GP regression と WNOA prior を基盤とし、keytime で推定状態を表現。 - 測定を正確な timestamp に補間することで、密な測定の非同期性を保持。 - これにより状態サイズを測定数から独立させ、リアルタイム性能を達成。 - 詳細なアルゴリズムや実装は要旨からは不明。

4. どうやって有効だと検証した？

- MVSEC と DSEC データセットで評価。 - リアルタイム推定を実現し、ES-PTAM と比較してほぼ全てのシーケンスで高精度。 - MVSEC で 22 Hz、DSEC で 6 Hz の推定周波数。 - 全有効シーケンスでの RMS 相対誤差は 0.46 cm と 0.038 度で、ES-PTAM よりそれぞれ 11 倍、15 倍良好。

5. 議論はある？

- 要旨からは不明。 - 限界や今後の課題についての言及はない。

6. 次に読むべき論文は？

- ES-PTAM (state-of-the-art discrete estimator) - Continuous-time Gaussian process (GP) regression - White-noise-on-acceleration (WNOA) prior - MVSEC および DSEC データセット

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Nikan Nobari, Jonathan D. Gammell

分類: cs.RO

原文アブストラクト

Event cameras have microsecond-level temporal resolution and high dynamic range which make them more resilient to motion blur and poor illumination than standard frame-based cameras. Event-camera visual odometry (VO) pipelines maximize these benefits when they process the asynchronous event stream at the native temporal resolution. Continuous-time Gaussian process (GP) regression and a white-noise-on-acceleration (WNOA) prior can handle asynchronous measurements but result in a prohibitively large estimation state when applied naively. This paper presents a continuous-time event-camera stereo VO pipeline that maintains the native measurement times of asynchronous events while also running in real time. It reduces the estimation states to keytimes while maintaining full temporal resolution by interpolating measurements to their exact timestamps with a physically founded WNOA prior. This decouples the state size from the dense number of measurements without discarding their asynchronous nature. The real-time continuous-time VO pipeline is evaluated on the MVSEC and DSEC datasets. It provides estimates in real time that are more accurate than ES-PTAM, a state-of-the-art discrete estimator, in all but one of the tested sequences. The pipeline respectively provides estimates at 22 Hz and 6 Hz on MVSEC and DSEC and RMS relative errors of 0.46 cm and 0.038 degrees across all valid sequences, which were 11 and 15 times better than ES-PTAM, respectively.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI