基于事件的马赛克束调整
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
本文介绍了一种新方法用于事件摄像机的跟踪，能够处理快速移动物体和动态场景。研究涉及运动、深度和光流估计，提出了多种基于事件相机的解决方案，包括旋转姿态估计和图像增强方法，显著提升了低光场景下的性能。
❓
Q&A
事件相机的跟踪方法有什么创新之处？
该方法利用事件的空间位置进行跟踪，能够处理快速移动物体和动态场景，显著提升了跟踪精度。
如何解决事件相机的运动、深度和光流估计问题？
通过最大化图像平面上与事件数据最佳对齐的点轨迹对比度，隐式处理事件数据的关联，从而精确恢复运动参数。
新提出的捆绑调整目标有什么特点？
该捆绑调整目标不依赖于图像特征的重新投影误差，同时保持与传统捆绑调整相当的精度。
事件极化成像的解决方案如何提高性能？
通过使用高速旋转的线性偏振器和事件相机，基于学习的方法估计表面法线，性能比基于物理的方案高出52%。
针对线性运动估计，提出了什么新方法？
提出了一种非线性参数化方法和新颖的5点求解器，以生成更稳定的相对运动估计。
RSL-BA方法解决了什么问题？
RSL-BA方法解决了现有滚动快门束调整方法仅支持稀疏特征点的问题，提供了基于线的解决方案。
🏷️
