事件相机与标准相机融合：低延迟视觉特征追踪 - CSDN文库

73 浏览量更新于2024-06-20 收藏 1.71MB PDF 举报

身份认证购VIP最低享 7 折!

30元优惠券

资源详情

资源推荐

4

D. 格里克，H.Rebecq，G.加列戈湾斯卡拉穆扎

(a)Frame.

（

b

）左右运动。（

c

）上下运动。（

d

）对角线运动。

图图2：在事件相机前面沿不同方向移动棋盘（a）的结果（b）-

（d）示出了亮度增量图像（等式（1））。（2））通过在短时间间

隔内累积事件而获得。不改变强度的像素以灰色表示，而增加或降低

强度的像素分别以亮和暗表示显然，（b）（仅垂直边缘），

(c)（仅水平边缘），和（d）在没有由（a）提供的基础光度信息的先

验知识的情况下不能彼此相关。

与[8，9]一样，我们的方法可用于跟踪通用特征，而不是受约束的

边缘模式。然而，我们的方法与[8，9]的不同之处在于（

i

）我们考虑

了导致事件的边缘模式的强度，以及（

ii

）我们不需要在事件和边缘

映射模板之间建立对应关系。与使用点集模板进行事件对齐的[8，9]

相比，我们的作为所提出的基于图像的配准方法（第4节）的结果，

隐含地建立对应关系，但在此之前，让我们激励为什么建立对应关系

对于事件相机是具有挑战性的

3

数据关联对特征跟踪

跟踪场景特征（即，边缘模式）与事件摄像机的区别在于，由于该

传感器响应强度的时间变化（由图像平面上的移动边缘引起），特征

的外观根据运动而变化，因此，随时间连续变化（见图2）。2）的情

况。使用事件的特征跟踪需要在不同时间的事件之间建立对应（即，

数据关联），这是困难的，由于上述变化的特征外观（图2）的情

况。

相反，如果额外信息可用，例如待捕获的粒子的绝对强度（即，绝对

强度

）。

例如

，特征

的时间-在不同的情况下，例如在图1中

。在图2

（a）中，则可以经由建立事件与附加地图之间的对应关系来间接地建立

事件对应关系。然而，这另外需要连续地估计图案的运动（光流）。事

实上，这是我们方法的一个重要组成部分。如我们在第4节中所示，我

们的方法是基于一个模型，使用给定的帧和光流的估计来生成时变事件

特征外观的预测。这种生成模型在先前的特征跟踪方法中没有被考虑，

例如[8，9]。

剩余15页未读，继续阅读

cpongm

粉丝: 5
资源: 2万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈