PixRO: Pixel-Distributed Rotational Odometry with Gaussian Belief Propagation

视觉传感器不仅在捕捉高质量图像方面表现更好，而且它们在芯片上的数据处理能力也稳步提高。然而，大多数视觉里程计管道仍然依赖于在集中单元（例如CPU或GPU）中传输和处理完整图像，这些图像通常包含任务中的大量冗余和低质量信息。在本文中，我们解决了帧间旋转估计的任务，但是，我们不是使用完整图像推理帧之间的相对运动，而是在像素级别分布估计。在这种范式中，每个像素仅依靠本地信息和与相邻像素的本地消息传递，就可以产生全局运动的估计。然后，可以将产生的每个像素估计传递给下游任务，从而产生更高级别、更有信息量的提示，而不是原始的像素读数。我们在真实的公共数据集上评估了所提出的方法，在这些数据集中，我们提供了有关这种新技术的详细见解，并开源了我们的实现，以便未来社区的受益。

本文试图通过分布式估计像素级的全局运动，解决帧与帧之间的旋转估计问题。与传统的将全图传输到中央处理单元进行处理的方法相比，本文提出了一种更加高效的像素级分布式处理方案。

本文提出的关键思路是通过局部信息和邻域像素之间的信息传递，实现像素级的全局运动估计，从而避免了传统方法中冗余信息的传输和处理。这种分布式处理方案可以提供更高效和更有信息量的结果。

本文的实验表明，所提出的分布式像素级全局运动估计方法可以在多个公共数据集上取得优秀的性能。本文开源了实现代码，方便社区进一步研究。值得关注的是，本文提出的分布式处理方案可以应用到其他领域，具有较高的可扩展性。

在相关研究方面，最近的一些研究涉及到分布式处理、像素级运动估计等领域。例如，论文《Distributed Visual Place Recognition with Deep Convolutional Neural Networks》和《Pixel-Level Motion Estimation with Reduced Precision for Real-Time Applications》等。