EAGLE: The First Event Camera Dataset Gathered by an Agile Quadruped Robot

当四腿机器人进行敏捷运动时，传统的RGB摄像头经常会产生模糊的图像，这给准确的状态估计带来了挑战。受生物视觉机制启发，事件相机已成为捕捉高速运动和应对具有挑战性的光照条件的有前途的解决方案，这是由于它们具有低延迟、高时间分辨率和高动态范围等显著优势。然而，将事件相机集成到敏捷四腿机器人中仍然是一个尚未被广泛探索的领域。值得注意的是，尚未有基于事件相机的数据集专门针对动态四腿机器人开发。为了填补这一空白，我们介绍了EAGLE（敏捷四腿机器人事件数据集），这是一个新的数据集，包括来自事件相机、RGB-D相机、IMU、LiDAR和关节角度编码器的数据，这些设备都安装在一个四足机器人平台上。该数据集包括来自真实环境的100多个序列，涵盖各种室内外环境、不同的光照条件、各种机器人步态（如小跑、奔跑、跳跃）以及后空翻等特技动作。据我们所知，这是第一个包括敏捷四足机器人收集的多感官数据的事件相机数据集。

解决问题：本论文旨在解决机器人高速运动状态估计中传统RGB相机产生模糊图像的问题，提出使用事件相机进行高速运动捕捉的解决方案。同时，为了弥补现有研究中缺乏针对动态机器人的事件相机数据集的不足，本文提出了一个新的数据集EAGLE。

关键思路：使用事件相机进行高速运动捕捉，结合RGB-D相机、IMU、LiDAR和关节角编码器等多种传感器数据，提出了一种综合多传感器数据的状态估计方法，实现对机器人高速运动状态的准确估计。

其他亮点：本文提出的EAGLE数据集包含了100多个真实环境中的序列数据，涵盖了室内外不同环境、不同光照条件、不同机器人步态以及后空翻等特技动作。这是首个包含多传感器数据的动态机器人事件相机数据集。实验结果表明，使用事件相机和多传感器数据的状态估计方法可以显著提高机器人高速运动状态的准确性。

相关研究：近期的相关研究包括使用事件相机进行高速物体跟踪、使用事件相机进行机器人运动控制等方向的研究。相关论文包括："High-Speed Tracking with an Event Camera"和"Event-Based, 6-DOF Pose Tracking for High-Speed Maneuvers"等。