論文の概要: Detection of Binary Square Fiducial Markers Using an Event Camera

• arxiv url: http://arxiv.org/abs/2012.06516v3
• Date: Mon, 15 Mar 2021 21:23:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 02:57:24.332912
• Title: Detection of Binary Square Fiducial Markers Using an Event Camera
• Title（参考訳）: イベントカメラによる二進二乗四乗マーカーの検出
• Authors: Hamid Sarmadi, Rafael Mu\~noz-Salinas, Miguel A. Olivares-Mendez, Rafael Medina-Carnicer
• Abstract要約: イベントカメラは、絶対強度値ではなく、光強度(イベント)の変化を出力する新しいタイプのイメージセンサーである。 イベントカメラを用いて二乗二乗マーカーを検出・復号する手法を提案する。
• 参考スコア（独自算出の注目度）: 1.0781866671930855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras are a new type of image sensors that output changes in light intensity (events) instead of absolute intensity values. They have a very high temporal resolution and a high dynamic range. In this paper, we propose a method to detect and decode binary square markers using an event camera. We detect the edges of the markers by detecting line segments in an image created from events in the current packet. The line segments are combined to form marker candidates. The bit value of marker cells is decoded using the events on their borders. To the best of our knowledge, no other approach exists for detecting square binary markers directly from an event camera using only the CPU unit in real-time. Experimental results show that the performance of our proposal is much superior to the one from the RGB ArUco marker detector. The proposed method can achieve the real-time performance on a single CPU thread.
• Abstract（参考訳）: イベントカメラは、絶対強度値ではなく、光強度(イベント)の変化を出力する新しいタイプのイメージセンサーである。 非常に高い時間分解能と高いダイナミックレンジを持つ。 本稿では,イベントカメラを用いて二進二乗マーカーの検出と復号を行う手法を提案する。 我々は,現在のパケットのイベントから生成された画像中の線分を検出することにより,マーカーのエッジを検出する。 線分を結合してマーカー候補を形成する。 マーカーセルのビット値は、境界上のイベントを使用してデコードされる。 我々の知る限りでは、リアルタイムにCPUユニットのみを使用してイベントカメラから直接正方形のバイナリマーカーを検出する方法は他にない。 実験の結果,提案手法の性能はrgb arucoマーカー検出器より優れていることがわかった。 提案手法は単一のcpuスレッドでリアルタイム性能を実現することができる。

関連論文リスト

• Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
  本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。 本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T12:39:56Z)
• Graph-based Asynchronous Event Processing for Rapid Object Recognition [59.112755601918074]
  イベントカメラは、各イベントがピクセル位置、トリガ時間、明るさの極性が変化するような非同期イベントストリームをキャプチャする。 イベントカメラのための新しいグラフベースのフレームワーク、SlideGCNを紹介した。 当社のアプローチでは、データをイベント単位で効率的に処理し、内部でグラフの構造を維持しながら、イベントデータの低レイテンシ特性を解放することが可能です。
  論文  参考訳（メタデータ） (2023-08-28T08:59:57Z)
• EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
  イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。 本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。 イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
  論文  参考訳（メタデータ） (2023-08-25T23:51:07Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• How Many Events do You Need? Event-based Visual Place Recognition Using Sparse But Varying Pixels [29.6328152991222]
  イベントカメラ研究の潜在的な応用の1つは、ロボットのローカライゼーションのための視覚的位置認識である。 事象フレームに蓄積した画素位置における事象数に絶対的な差があることが、位置認識タスクに十分であることを示す。 我々は,Brisbane-Event-VPRデータセットに対する提案手法を,新たに提案した屋内QCR-Event-VPRデータセットとともに屋外運転シナリオで評価した。
  論文  参考訳（メタデータ） (2022-06-28T00:24:12Z)
• Application of Ghost-DeblurGAN to Fiducial Marker Detection [1.1470070927586016]
  本稿では,Ghost-DeGAN という,リアルタイムな動きを損なうための軽量な生成対向ネットワークを開発した。 新しい大規模データセットである YorkTag が提案されている。 提案したモデルが YorkTag でトレーニング・テストされたことにより,動画像にフィデューシャルマーカーシステムと併用することにより,Ghost-DeblurGAN がマーカー検出を大幅に改善することが実証された。
  論文  参考訳（メタデータ） (2021-09-08T00:59:10Z)
• Bridging the Gap between Events and Frames through Unsupervised Domain Adaptation [57.22705137545853]
  本稿では,ラベル付き画像とラベル付きイベントデータを用いてモデルを直接訓練するタスク転送手法を提案する。 生成イベントモデルを利用して、イベント機能をコンテンツとモーションに分割します。 われわれのアプローチは、イベントベースのニューラルネットワークのトレーニングのために、膨大な量の既存の画像データセットをアンロックする。
  論文  参考訳（メタデータ） (2021-09-06T17:31:37Z)
• ELSED: Enhanced Line SEgment Drawing [2.470815298095903]
  ELSEDは文献で最も高速な線分検出器である。 提案したアルゴリズムは、非常にローエンドなハードウェアを持つデバイスで動作するだけでなく、短いセグメントや長いセグメントの検出を促進するためにパラメータ化することもできる。
  論文  参考訳（メタデータ） (2021-08-06T14:33:57Z)
• DeepTag: A General Framework for Fiducial Marker Design and Detection [1.2180122937388957]
  フィデューシャルマーカーの設計と検出のための一般的なディープラーニングベースのフレームワークであるDeepTagを提案する。 DeepTagは、さまざまなマーカーファミリの検出をサポートし、カスタマイズされたローカルパターンで新しいマーカーファミリを設計できるようにする。 実験によると、DeepTagはさまざまなマーカーファミリをうまくサポートしており、検出の堅牢性と精度の両方の観点から既存の手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-05-28T10:54:59Z)
• SE-Harris and eSUSAN: Asynchronous Event-Based Corner Detection Using Megapixel Resolution CeleX-V Camera [9.314068908300285]
  イベントカメラは、正確なタイムスタンプでピクセル単位の強度変化の非同期イベントストリームを生成する。 本研究では,従来のsusan(smallest univalue segment assimilating nucleus)アルゴリズムに触発されたコーナー検出アルゴリズムesusanを提案する。 また, 指数減衰に基づく適応正規化を用いて動的事象の局所面を高速に構築するse-harrisコーナー検出器を提案する。
  論文  参考訳（メタデータ） (2021-05-02T14:06:28Z)
• Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem Formulation [53.850686395708905]
  イベントベースのカメラは、ピクセルごとの明るさ変化の非同期ストリームを記録する。 本稿では,イベントデータからの表現学習のための単一層アーキテクチャに焦点を当てる。 我々は,最先端手法と比較して,認識精度が最大9%向上したことを示す。
  論文  参考訳（メタデータ） (2020-09-23T10:40:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。