Oct, 2016

事件相机数据集和模拟器：用于姿态估计、视觉里程计和 SLAM 的基于事件的数据

HTML
PDF
TL;DR介绍了Dynamic and Active-pixel Vision sensor（简称DAVIS）的特点及其在机器人技术和计算机视觉方面的潜在应用，同时公开了一组DAVIS数据集，旨在激发研究人员对于高速和高动态范围机器人技术和计算机视觉应用新算法的研究。
发现论文，激发创造
  • 事件摄像头的连续时间视觉惯性里程计

    本文提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法，并证明了该方法在准确性和适用性上优于当前最先进的事件相机视觉导航方法。

    Feb, 2017

  • 基于事件的移动物体检测与跟踪

    本文提出了一种基于动态视觉传感器的异步相机的新颖跟踪算法，该算法可以在极低光和噪声条件下，无需任何外部传感器，且无需任何特征跟踪或显式光流计算即可检测和跟踪不同移动对象。

    Mar, 2018

  • 从事件相机到视频：将现代计算机视觉引入事件相机

    研究使用成熟的计算机视觉技术对从事件数据中重建的视频进行对象分类和图像重建，从而充分发挥事件相机的优异特性。

    Apr, 2019

  • 事件驱动视觉:综述

    介绍了事件相机技术的工作原理，可用传感器和任务，包括低级视觉和高级视觉，并讨论了处理事件的技术，特别是基于学习的技术和专门为这些传感器设计的处理器，如脉冲神经网络，同时提出了待解决的挑战和未来机器感知及与世界互动的新机遇。

    Apr, 2019

  • 使用异步“事件”进行运动估计更好

    该论文介绍了一种基于神经网络的异步处理Event-based Camera事件流的方法，利用前一时刻的动态信息和灰度帧的关键特征，提取事件中的动态信息，相较现有同类研究结果表现优异。

    Apr, 2019

  • 基于事件的立体视觉里程计

    本文提出了一种使用事件相机实现实时的视觉里程计的解决方案，其中包括基于视觉一致性的立体事件数据融合的半密集三维场景重建以及通过选定的地图和事件数据表示解决的姿态恢复问题。该系统成功利用事件相机的优势，在高速和大动态范围场景下进行视觉里程计，并在标准CPU上以实时运行，已在公开数据集和作者的数据集上进行了测试。

    Jul, 2020

  • 一种基于事件的算法，用于同时跟踪和绘制6自由度相机姿态

    本文介绍了使用适应性选择事件窗口中的信息形成运动补偿图像来重建场景以及估计相机的6-DOF姿态，并提出了一个惯性版本的仅事件流水线，以评估其性能。通过对两个公开事件数据集的序列的不同配置的结果与基准进行比较，本文证明了所提出的事件惯性流水线可以产生相当或更准确的结果，前提是地图估计可靠。

    Jan, 2023

  • 基于事件的视觉测距：通过连续时间高斯过程回归实现全部时间分辨率

    本文提出了使用连续时间轨迹估计和带有物理启示的高斯过程回归，直接估计带有个体事件测量时间的完整立体视觉里程计流水线，避免了传统的分组或近似技术，并成功在 MVSEC 数据集上评估和验证，相对误差分别为 7.9e-3 和 5.9e-3，这比现有公开事件基立体视觉里程计流水线的性能高两倍和四倍。

    Jun, 2023

  • CMax-SLAM: 基于对比度最大化的事件驱动旋转运动束调整与SLAM系统

    该研究使用事件相机对旋转运动进行估计，并提出了首个基于事件的旋转姿态束调整方法（BA），用于构建事件相机旋转姿态的前端和后端SLAM系统。通过全面实验以及源代码和数据发布以促进进一步研究，希望提高对基于事件的自我运动估计的理解。

    Mar, 2024

  • 基于事件的传感器融合及其在里程计中的应用：综述

    本研究针对现有里程计应用中常规传感器的局限性，提出了一种新颖的基于事件的传感器融合方法，特别关注将其与框架摄像头、惯性测量单元和激光雷达结合的策略。研究发现，这种融合方法显著提高了在复杂环境中的里程计性能，为未来的研究方向提供了新视角。

    Oct, 2024