摘要

从视频中提取运动信息的光流估计在多种实际机器人应用中至关重要。当前的光流方法虽已展现出卓越的精度，但性能领先的模型通常计算开销巨大，难以适用于嵌入式设备。尽管先前已有部分研究致力于开发低成本的光流算法，但其估计质量与更鲁棒的方法之间仍存在明显差距。本文提出一种新型方法，可在嵌入式设备上高效实现高质量的光流估计。所提出的RAPIDFlow模型结合了高效的NeXt1D卷积模块与基于特征金字塔的全循环结构，显著降低计算成本，同时对估计精度的影响较小。其可调节的循环编码器通过单一共享模块生成多尺度特征，使模型能够在推理阶段动态调整金字塔深度，从而增强对输入尺寸变化的鲁棒性。此外，该设计还支持在精度与速度之间实现多种权衡，以适应不同应用场景的需求。在Jetson Orin NX嵌入式平台上，基于MPI-Sintel和KITTI公开基准的实验结果表明，RAPIDFlow在保持更快运行速度的同时，相比以往方法取得了显著的性能提升。