港大DEIO：首个学习与传统非线性图优化结合的单目事件惯性里程计

文章预览

作者 | 智驾机器人前线 点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 导读 本文介绍了一种名为 DEIO（Deep Event Inertial Odometry）的 新型单目深度事件惯性里程计框架 。该方法创新性地 将深度学习与传统非线性图优化相结合 ，通过可训练的事件束调整（e-DBA）与惯性测量单元（IMU）的预积分紧密耦合，实现6自由度位姿估计的高精度和鲁棒性。DEIO在多个公开数据集上的实验表明， 其性能在低纹理、高动态范围和复杂场景中明显优于现有的基于图像或事件的主流方法，为事件相机在机器人导航和SLAM中的应用提供了新路径 。 论文信息 标题：DEIO: Deep Event Inertial Odometry 作者：Weipeng Guan∗, Fuling Lin∗, Peiyu Chen, Peng Lu (*Equal contribution) 论文链接：https://arxiv.org/pdf/2411.03928 项目地址：https://github.com/ar ………………………………