跳到正文
arXiv · 机器人与计算机视觉· Nikan Nobari, Jonathan D. Gammell·· 2026-10-05精选AI 评分78

基于关键时间高斯过程回归的事件相机立体视觉里程计

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

AI 导读

该论文提出一种连续时间事件相机立体视觉里程计(VO)管道,通过物理基础的前向加速度白噪声先验将测量插值到精确的时间戳,从而在保持异步测量原生分辨率的同时维持实时运行。

推荐理由

提出基于关键时间高斯过程的实时事件相机立体视觉里程计,在 MVSEC 和 DSEC 数据集上实现比离散估计器更优的精度与频率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org