Mar, 2018

实时时间同步的事件驱动立体视觉

PDF
TL;DR本研究提出了一种新颖的事件驱动的立体视觉方法，解决了运动模糊问题。这种方法使用开发者提出的一些同步技巧，使用一对时间同步的事件视差体来表示事件，使用新的匹配成本来选择同步的事件视差体中的特征点，并在 Multi Vehicle Stereo Event Camera 数据集上表现出比传统方法更好的效果。
event-based stereomotion blurevent camerastime synchronized event disparity volumesmatching cost
发现论文，激发创造
  • 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

  • 学习视差用于双目基于事件的运动去模糊

    我们提出了一种新的粗细网络框架（名为 St-EDNet），通过事件和强度相机的立体事件和强度图像，直接从不对齐的输入中恢复高质量图像，实现对运动模糊的补充和重建。

    Sep, 2023

  • 带立体事件相机的半稠密三维重建

    本篇论文提出一种从由立体事件相机拍摄的数据中进行三维重建的方法，该方法包括优化能量函数和概率深度融合策略，并且无需对相机拍摄的场景进行先验知识。实验表明，该方法能够处理纹理丰富和稀疏场景，并优于基于事件数据图像表示的最新立体方法。

    Jul, 2018

  • 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

  • IMU 辅助的事件驱动立体视觉里程计

    通过建立事件的生成模型来解决映射和相机姿态跟踪的问题，并提出提高事件边缘像素采样效率以及结合时间立体结果和静态立体结果来改善映射性能，同时通过引入陀螺仪测量作为先验来解决相机姿态跟踪中的退化问题，通过公开数据集的实验证明了改进的方法的有效性。

    May, 2024

  • 多车立体事件相机数据集：用于三维感知的事件相机数据集

    本文介绍了一个新的被动感知方式 —— 事件相机，可以完成多种 3D 感知任务，并提供了一个涵盖各种环境和照明水平的大型数据集，包括了事件流、灰度图像和 IMU 读数，并提供了真确的姿势和深度图像。同时还提供了来自基于框架的立体相机系统的同步灰度图像和 IMU 读数的比较。

    Jan, 2018

  • 具挑战条件下的跨模态半密集 6 自由度事件相机跟踪

    使用基于事件的相机进行视觉定位，通过几何三维到二维的映射和极性感知的注册方法实现高可靠性和准确性的多模态跟踪，同时引入新的遮挡点筛选策略提高追踪器的速度和鲁棒性。

    Jan, 2024

  • 光流、深度和自运动的无监督事件学习

    提出了一种基于事件相机的无监督学习框架，通过事件流中的运动信息来学习运动，该框架包含用于事件的输入表示、用于预测运动的神经网络、用于运动补偿的方法以及用于测量运动模糊的损失函数，并使用该框架训练了两个网络，一个用于预测光流，另一个用于预测自运动和深度。最后，使用 Multi Vehicle Stereo Event Camera 数据集进行了定量和定性结果的评估。

    Dec, 2018

  • 基于事件的动态模糊矫正学习

    本文提出了一种基于事件相机的深度学习方法，通过卷积循环神经网络和可微分方向事件过滤模块整合全局和局部尺度的视觉和时态知识，提取边界先验信息，从而达到了恢复运动模糊图像的最佳质量，适用于真实世界的运动模糊问题。

    Apr, 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