論文の概要: Research on Event Accumulator Settings for Event-Based SLAM

• arxiv url: http://arxiv.org/abs/2112.00427v1
• Date: Wed, 1 Dec 2021 11:35:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 22:09:52.215363
• Title: Research on Event Accumulator Settings for Event-Based SLAM
• Title（参考訳）: イベントベースslamのイベント蓄積器設定に関する研究
• Authors: Kun Xiao, Guohui Wang, Yi Chen, Yongfeng Xie, Hong Li
• Abstract要約: イベントカメラは高いダイナミックレンジの利点があり、動きのぼやけがない。 より優れたイベントベースのSLAMパフォーマンスを実現するために、イベントフレームの蓄積方法の研究を行います。 実験結果から,提案手法は,最先端のイベントフレームベースのSLAMアルゴリズムと比較して,ほとんどのシーケンスで性能が向上することが示された。
• 参考スコア（独自算出の注目度）: 6.830610030874817
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Event cameras are a new type of sensors that are different from traditional cameras. Each pixel is triggered asynchronously by event. The trigger event is the change of the brightness irradiated on the pixel. If the increment or decrement of brightness is higher than a certain threshold, an event is output. Compared with traditional cameras, event cameras have the advantages of high dynamic range and no motion blur. Accumulating events to frames and using traditional SLAM algorithm is a direct and efficient way for event-based SLAM. Different event accumulator settings, such as slice method of event stream, processing method for no motion, using polarity or not, decay function and event contribution, can cause quite different accumulating results. We conducted the research on how to accumulate event frames to achieve a better event-based SLAM performance. For experiment verification, accumulated event frames are fed to the traditional SLAM system to construct an event-based SLAM system. Our strategy of setting event accumulator has been evaluated on the public dataset. The experiment results show that our method can achieve better performance in most sequences compared with the state-of-the-art event frame based SLAM algorithm. In addition, the proposed approach has been tested on a quadrotor UAV to show the potential of applications in real scenario. Code and results are open sourced to benefit the research community of event cameras
• Abstract（参考訳）: イベントカメラは、従来のカメラとは異なる新しいタイプのセンサーである。 各ピクセルはイベントによって非同期に起動される。 トリガーイベントは、画素に照射された輝度の変化である。 輝度のインクリメントまたはデクリメントが一定の閾値よりも高い場合は、イベントが出力される。 従来のカメラと比較して、イベントカメラは高いダイナミックレンジの利点があり、動きのぼやけがない。 フレームへのイベントの蓄積と従来のSLAMアルゴリズムの使用は、イベントベースのSLAMの直接的で効率的な方法である。 イベントストリームのスライス法、ノンモーションの処理法、極性の有無、減衰関数とイベント貢献など、異なるイベントアキュムレータの設定は、全く異なるアキュムレーション結果を引き起こす可能性がある。 より優れたイベントベースのSLAMパフォーマンスを実現するために、イベントフレームの蓄積方法の研究を行った。 実験検証では,蓄積したイベントフレームを従来のSLAMシステムに供給し,イベントベースのSLAMシステムを構築する。 イベント蓄積器の設定戦略は,公開データセット上で評価されている。 実験の結果,提案手法は,最先端のイベントフレームベースのSLAMアルゴリズムと比較して,ほとんどのシーケンスで性能が向上することが示された。 さらに、提案手法は、実際のシナリオにおけるアプリケーションの可能性を示すために、クォーターUAVでテストされている。 コードと結果がオープンソース化され、イベントカメラの研究コミュニティに利益をもたらす

関連論文リスト

• EvenNICER-SLAM: Event-based Neural Implicit Encoding SLAM [69.83383687049994]
  密集した視覚的同時局所化とマッピングのための新しいアプローチである EvenNICER-SLAM を提案する。 EvenNICER-SLAMは、絶対輝度ではなく強度変化に対応するイベントカメラを内蔵している。 以上の結果から,イベントカメラによる高密度SLAMシステムの高速カメラ動作に対する堅牢性向上の可能性が示唆された。
  論文  参考訳（メタデータ） (2024-10-04T13:52:01Z)
• Deblur e-NeRF: NeRF from Motion-Blurred Events under High-speed or Low-light Conditions [56.84882059011291]
  動き赤外イベントからぼやけた最小のNeRFを再構成する新しい手法であるDeblur e-NeRFを提案する。 また,大きなテクスチャレスパッチの正規化を改善するために,新しいしきい値正規化全変動損失を導入する。
  論文  参考訳（メタデータ） (2024-09-26T15:57:20Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Deformable Neural Radiance Fields using RGB and Event Cameras [65.40527279809474]
  我々は,RGBとイベントカメラを用いた変形可能なニューラル放射場をモデル化する新しい手法を開発した。 提案手法は,イベントの非同期ストリームと疎RGBフレームを用いる。 現実的にレンダリングされたグラフィックと実世界のデータセットの両方で実施された実験は、提案手法の有益性を実証している。
  論文  参考訳（メタデータ） (2023-09-15T14:19:36Z)
• Temporal Up-Sampling for Asynchronous Events [0.0]
  低明度やスローモーションのシーンでは、イベントはスパースでノイズを伴うことが多い。 より効率的で信頼性の高いイベントを生成するために,イベント時間的アップサンプリングアルゴリズムを提案する。 実験により、アップサンプリングイベントはより効果的な情報を提供し、下流タスクの性能を向上させることができることが示された。
  論文  参考訳（メタデータ） (2022-08-18T09:12:08Z)
• A Preliminary Research on Space Situational Awareness Based on Event Cameras [8.27218838055049]
  イベントカメラは、従来のカメラとは異なる新しいタイプのセンサーである。 トリガーイベントは、画素に照射された明るさの変化である。 従来のカメラと比較して、イベントカメラは高時間分解能、低レイテンシ、高ダイナミックレンジ、低帯域幅、低消費電力の利点がある。
  論文  参考訳（メタデータ） (2022-03-24T14:36:18Z)
• E$^2$(GO)MOTION: Motion Augmented Event Stream for Egocentric Action Recognition [21.199869051111367]
  イベントカメラは「イベント」の形でピクセルレベルの強度変化を捉えます N-EPIC-Kitchensは、大規模なEPIC-Kitchensデータセットの最初のイベントベースのカメラ拡張である。 イベントデータは、RGBと光フローに匹敵するパフォーマンスを提供するが、デプロイ時に追加のフロー計算を行わないことを示す。
  論文  参考訳（メタデータ） (2021-12-07T09:43:08Z)
• EventHands: Real-Time Neural 3D Hand Reconstruction from an Event Stream [80.15360180192175]
  単眼ビデオからの3d手ポーズ推定は、長年の課題である。 我々は1つのイベントカメラ、すなわち明るさ変化に反応する非同期視覚センサを使用して、初めてそれに対処する。 従来,単一のrgbカメラや深度カメラでは表示されなかった特徴がある。
  論文  参考訳（メタデータ） (2020-12-11T16:45:34Z)
• Learning Monocular Dense Depth from Events [53.078665310545745]
  イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。 最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。 本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T12:36:23Z)

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。