May, 2021
如何校准事件相机
How to Calibrate Your Event Camera
Manasi Muglikar, Mathias Gehrig, Daniel Gehrig, Davide Scaramuzza
TL;DR使用基于神经网络的图像重建,提出通用的事件相机标定框架,实现内在和外在标定,从而可以进行基于时间和基于帧的传感器之间的内外标定,并证明该方法在不同畸变模型和畸变参数下都非常准确。
Abstract
We propose a generic event camera calibration framework using image
reconstruction. Instead of relying on blinking LED patterns or external
screens, we show that neural-network-based →
发现论文,激发创造
事件相机快速、鲁棒和精确的校准工具箱 E-Calib
采用非对称圆形网格标定事件相机,提供了一种新的快速,鲁棒性好,准确性高的标定工具,尤其在对焦不准或光照条件恶劣的情况下表现良好,成功率、重投影误差和外参估计精度均表现优于现有方法。
Jun, 2023
回归事件基础:通过光度恒定实现事件相机图像重建的自我监督学习
该论文通过自监督学习,将基于事件相机的图像强度重构问题与光流估计相结合,避免了需要真实数据的问题,并提出了一种轻量化的神经网络,以实现快速推理和高精度的光流估计。
Sep, 2020
EVREAL: 事件驱动视频重建的全面基准和分析套件
本文提出了 EVREAL 框架,并针对当前事件感知视觉领域中的基于深度学习的视频重建方法进行了统一的评价,旨在为不同的方法提供比较基础和统一的评价标准,提供对这些方法在不同场景下,挑战性场景和下游任务下性能的宝贵见解。
Apr, 2023
事件相机实现高速和高动态范围视频
本文提出了一种使用循环网络从事件流中直接学习重建图像的方法,并在此基础上扩展到从事件流合成彩色图像的方法,实验证明该网络在处理高速现象和挑战性照明条件下具有较好的图像质量和高动态范围重建,并作为事件数据的中间表示进行了分类和视觉惯性积分导航等应用。
Jun, 2019
实现全球范围的交通摄像头校准
通过利用街景图像重建度量的三维模型并精确校准 100 多个全球交通摄像头,本研究展示了一个可扩展的框架,以解决基于野外摄像头的精确校准挑战,并通过提取信息进行交通分析,从而开发出利用室外摄像头进行自动分析的潜力。
Nov, 2023
降低事件相机的模拟到现实差距
本文介绍了一种用于提高事件基于 CNNs 的训练数据的策略,可为视频重建网络和光流网络带来 20-40%的性能提升,并提出了一种新的高质量数据集 HQF 以解决事件基于视频重建缺乏质量地真实图像的问题。
Mar, 2020