通过事件相机的快速和慢速自适应偏置增强视觉位置识别
本研究提出了使用固定步长反馈控制器来自动控制 Dynamic vision sensor event cameras 的参数,包括阈值、冷却时间和带宽控制,以维持光强变化频率和噪声在可接受范围内的方法。实验证明了模型的可行性和反馈控制的有效性。
May, 2021
本文探讨用事件相机实现机器人本地化中视觉场景匹配的问题,进一步发掘了少量稀疏像素相机特性,通过像素内事件数的差值累加构建事件帧以实现精准的场景匹配,并在实验数据集上证明了其性能表现与应用潜力。
Jun, 2022
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
通过在事件相机的光圈前安装旋转楔形棱镜,我们设计了一种基于仿生微眼球震动的事件感知系统,能够同时维持低反应时间和稳定的纹理外观。AMI-EV 硬件设备和软件解决方案被集成到一个系统中,并在标准相机和事件相机均无法提供满意结果的场景中得到了验证。多种真实世界实验证明该系统在低级别和高级别视觉任务中促进机器人感知的潜力。
May, 2024
本文提出了一种使用事件相机实现闭环控制的方案,通过一个带有事件相机的双旋翼平台,采用修改后的霍夫变换算法与卡尔曼滤波器估算姿态,并使用 PD 控制器计算转子推力,实现一维姿态跟踪,同时取得了很好的控制效果。
Nov, 2019
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
本文提出了基于视觉关注的两种事件视觉注意力模型,一种通过跟踪视野内的事件活动来定位关注区域,另一种基于 DRAW 神经模型和全微分注意力程序,使用 Phased LSTM 识别网络作为基线参考模型并在四个数据集上进行验证,获得了在平移和尺度不变性方面的提升。
Jul, 2018
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
本文提出一种首个跨模态的视觉定位识别框架,结合事件相机和正常相机,通过检索数据库中的正常图像对事件查询进行匹配,验证在不同场景下该方法具有比当前的基于帧和事件的方法更好的效果。
Jul, 2023
提出了一种异步滤波器,可以将事件摄像机从高速、高动态范围数据中提取的局部时间对比信息,与传统摄像机从低频参考强度信息中提取的信息相融合,以形成一个单一的高时空分辨率图像状态,证明该算法优于现有状态的方法。
Nov, 2018