标签：异步 基于 相机 camera 事件 视觉 数据 event

事件相机是具有微秒反应时间的仿生传感器，可记录每像素亮度变化的异步流，称为“事件”。事件相机通过检测每个像素的亮度变化来生成一个事件，相比于传统相机，更适合在高动态和高速度的环境下使用，具有高动态范围 (HDR)、高时间分辨率和无运动模糊的优势。因此，事件相机在机器人技术和计算机视觉方面具有巨大潜力，可用于传统相机具有挑战性的场景，例如高速和高动态范围，以及快速机器人定位和可穿戴应用（如 AR/VR 和游戏）的理想传感器

事件摄影机以高时间精度、低数据速率和高动态范围编码视觉信息。

事件相机在机器人技术、计算机摄影和计算机视觉领域得到了极大的关注。它们对运动模糊，低延迟和高动态范围的固有鲁棒性，对于机器人应用是有吸引力的。这些特性有利于电力线检查任务，以防无人机需要执行敏捷操作，例如避免电力线桅杆。然而，由于其非传统的输出，事件摄像机也提出了新的挑战。

事件相机的应用：

1.将特征相关性和顺序处理结合到来自事件相机的密集光流估计中

2.基于事件的相机产生稀疏的事件流，延迟更低，从而实现超快的视觉驱动控制

3.用事件相机来跟踪电力线（读论文）

4.基于事件的帧插值方法通常采用基于合成的方法

5. DSEC是一个包含苛刻的照明条件并提供丰富的感官数据的新数据集。DSEC提供来自两个彩色帧摄像机和两个高分辨率单色事件摄像机的宽基线立体设置的数据。该数据集的显着特征之一是包含高分辨率事件摄像机，由于其新颖性，驾驶场景中的事件相机数据集很少见

6.想法是把传统相机和事件相机结合起来，但是传统的循环神经网络 (RNN) 不是为来自附加传感器的异步和不规则数据而设计的，因此引入了循环异步多模态网络（RAM）结合事件和帧进行单目深度预测，该方法比最先进的方法提高了30%。

7.从事件中学习单目密集深度，由于大多数现有方法使用标准的前馈架构来生成网络预测，而不利用事件流中存在的时间一致性，就提出了一个循环架构来解决此问题。

8.分析事件数据的无监督特征学习：直接与逆向问题公式化，用于从局部事件数据进行无监督学习

9.基于事件的异步稀疏卷积网络，模式识别算法通过将事件转换成同步密集、类似图像的表示，在事件相机方面取得很大进展，但也有缺点，因此提出了一个通用框架，用于在类似图像的同步事件表示上训练的模型转换为具有相同输出的异步模型，从而可以直接利用事件数据的内在异步和稀疏的特性，从而降低神经网络的复杂性和延迟

10.带有事件相机的四旋翼飞行器的动态避障

11.基于事件的角速度回归与尖锋神经网络SNN，SNN可以处理来自基于事件的异步传感器的输出

12.使用事件相机实现四旋翼的低延迟高带宽控制

13.基于事件的异步数据表示的端到端的
14.带有事件摄像机的高速和高动态范围

15.带有事件相机的无人机进行避障（读论文）

16.基于事件的视觉的损失函数

17.开放式事件相机模拟器ESIM

18.使用立体事件相机进行半密集 3D 重建

19.事件相机的连续时间视觉惯性里程计

标签：异步,基于,相机,camera,事件,视觉,数据,event
来源： https://blog.csdn.net/weixin_44570845/article/details/120252609

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。