.png){kind=icon}
.png){kind=icon}
返回
Event-based Simultaneous Localization and Mapping: A Comprehensive Survey
.png){kind=icon}
OA
AI
DOI：10.1007/s11263-026-02845-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，视觉同步定位与建图（vSLAM）在学术界和工业界引起了广泛关注。它利用移动机器人上的视觉传感器同时估计相机运动并重建环境。然而，传统相机受限于硬件，包括运动模糊和低动态范围，这可能在高速运动和高动态范围光照等挑战性场景中影响性能。近期研究表明，事件相机作为一种新型仿生视觉传感器，具有高时间分辨率、动态范围、低功耗和低延迟等优势。本文提出了一份及时且全面的综述，介绍了利用异步和非规则事件流进行定位和建图任务的事件驱动vSLAM算法。该综述涵盖了事件相机的工作原理以及各种事件表示方法用于预处理事件数据。此外，还将事件驱动vSLAM方法分为四类：基于特征的方法、直接方法、运动补偿方法和深度学习方法，并对每种方法进行了详细讨论和实用指导。此外，本文在多个基准上评估了当前最先进的方法，突出了该新兴研究领域的当前挑战和未来机遇。将维护一个公共仓库以跟踪该领域的快速发展，网址为https://github.com/kun150kun/ESLAM-survey。
Keyword:
Event camera
Visual SLAM
Visual odometry
3D reconstruction
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。