กล้อง Event เป็นอุปกรณ์ที่มีประสิทธิภาพสูงในสภาวะที่มีการเคลื่อนที่เร็วหรือแสงน้อย เนื่องมีความหน่วงต่ำและช่วงรับแสงที่กว้าง ระบบ Deep Event Visual Odometry (DEVO) จึงถูกพัฒนาขึ้นเพื่อการนำทางที่มีประสิทธิภาพ แต่เดิมข้อมูลโครงสร้าง 3 มิติภายในระบบมักไม่ได้ถูกนำออกมาใช้งานโดยตรง
งานวิจัยนี้ได้ขยายขีดความสามารถของ DEVO โดยการเพิ่ม Pipeline สำหรับการส่งออก Sparse Point-Cloud ซึ่งเป็นการนำโครงสร้าง 3D ที่ DEVO ประเมินอยู่แล้วภายในมาแปลงเป็นรูปแบบที่โปรแกรมภายนอกสามารถอ่านได้ พร้อมทั้งเพิ่มระบบ Cleanup เพื่อจัดการข้อมูลขยะและกระบวนการแปลงรูปแบบไฟล์
จากการทดสอบด้วยชุดข้อมูล BOARD SLOW พบว่าข้อมูล Point-Cloud ที่ส่งออกมามีความสอดคล้องกับระบบมาตรฐานอย่าง EMVS และมีความแม่นยำสูงในระดับ 5 เซนติเมตร แม้ว่ายังจะมีข้อจำกัดเรื่องความหนาแน่นของจุดและความไวต่อสะสมของสัญญาณรบกวนตามธรรมชาติของระบบ Visual Odometry
