[論文レビュー] Continuous Event-Line Constraint for Closed-Form Velocity Initialization

Xin Peng, Wanting Xu+2 more|arXiv (Cornell University)|Sep 9, 2021

Advanced Memory and Neural Computing参考文献 27被引用数 5

ひとこと要約

本論文では、イベントストリームと既知の角速度を用いたスケール未定の線形カメラ速度推定のための新しい閉形式ソルバーである Continuous Event-Line Constraint (CELC) を提案する。三焦点テンソル幾何学と空間時間的ラインクラスタを活用することで、初期推定値に依存せず、安定した速度初期化を可能にし、シミュレート済みおよび実世界のイベントデータにおいて非線形最適化と組み合わせて顕著な性能向上を達成する。

ABSTRACT

Event cameras trigger events asynchronously and independently upon a sufficient change of the logarithmic brightness level. The neuromorphic sensor has several advantages over standard cameras including low latency, absence of motion blur, and high dynamic range. Event cameras are particularly well suited to sense motion dynamics in agile scenarios. We propose the continuous event-line constraint, which relies on a constant-velocity motion assumption as well as trifocal tensor geometry in order to express a relationship between line observations given by event clusters as well as first-order camera dynamics. Our core result is a closed-form solver for up-to-scale linear camera velocity {with known angular velocity}. Nonlinear optimization is adopted to improve the performance of the algorithm. The feasibility of the approach is demonstrated through a careful analysis on both simulated and real data.

研究の動機と目的

• イベントベースのビジュアルインertialオドメトリにおける線形速度初期化という、きわめて重要な課題に取り組むこと。この分野には、堅牢なブートストラップ手法が不足している。
• ほとんどの非線形最適化ベースの手法とは異なり、初期推定値に依存しない線形速度の閉形式解を構築すること。
• 三焦点テンソル幾何学とイベントストリームからの連続的ライン観測を活用して、運動推定のための幾何的制約を導出すること。
• インertシャルデータの二重積分を回避することで計算コストを低減する、速度レベルの統合を可能にすること。
• ネウモルフィックセンサーに拡張可能なイベントベースのエピポーラ幾何学と相対運動推定の基盤を提供すること。

提案手法

• 一定速度運動下での3つのカメラポーズ間のライン観測を関連付けるために、三焦点テンソル幾何学を用いて Continuous Event-Line Constraint (CELC) を定式化する。
• イベントクラスタを空間時間的ラインセグメントとしてモデル化し、時間経過に伴う幾何的一致性を活用してカメラ速度に関する線形制約を導出する。
• 既知の角速度と一定速度の仮定の下で、スケール未定の線形速度の閉形式解を導出する。
• 非線形最適化を適用して初期の閉形式推定値を精緻化し、実データおよびシミュレートデータの両方で精度を向上させる。
• 空間時間的ウィンドウ（例：約0.7秒、100万イベント）を用いてラインクラスタを抽出し、イベントストリームからの速度推定を実施する。
• クラスタリングの前段階で正負の極性イベントを分離することで、密集または重複領域におけるライン検出精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 連続的なライン観測から、初期推定値に依存せずにカメラ速度を推定できる幾何的制約をイベントストリームから導出できるか？
• RQ2 三焦点テンソル幾何学をイベントベースデータに適応させ、3次元ラインと自己運動の関係をモデル化できるか？
• RQ3 イベントベースシステムにおいて、既知の角速度と一定速度の仮定の下で、線形速度の閉形式ソルバーが存在するか？
• RQ4 本手法である CELC は、実世界およびシミュレート済みのイベントデータにおいて、既存のベースラインと比較して精度と頑健性に優れているか？
• RQ5 本手法は、位置レベルではなく速度レベルでのブートストラップを有効に活用できるか？

主な発見

• 非線形最適化を適用した CELC+opt は、CELC 単体よりも顕著に高い精度を達成しており、精緻化の有効性を示している。
• CELC は、2次元ラインフィッティングの品質に依存するのみでなく、すべてのイベント測定値を活用することで、ベースラインである CE3LC を上回る性能を発揮している。
• AGV データセットでは、最適化後、平均並進誤差が 0.1476 m/s、回転誤差が 0.1471 rad にまで低下した。
• UAV データセットでは、最良のシーケンスにおいて、CELC+opt が並進誤差を 0.1118 m/s、回転誤差を 0.1119 rad まで低減した。
• 本手法は、11.23 m/s の高速飛行時（強度画像がぼやけて使用不能な状況）においても、ラインクラスタの抽出と追跡に成功した。
• 低解像度（346×260ピクセル）でも頑健に動作することが確認されたため、小型イベントカメラへの実装可能性が示唆された。