EVDodgeNet：基于事件相机的深度动态障碍物躲避
机器人学
2020-03-03 v3 计算机视觉与模式识别
摘要
四旋翼上的动态障碍物规避需要低延迟。一类特别适用于此类场景的传感器是事件相机。本文中，我们提出一种基于深度学习的解决方案，利用单个事件相机和机载计算在四旋翼上躲避多个动态障碍物。我们的方法使用一系列浅层神经网络来估计自身运动与独立运动物体的运动。这些网络在仿真中训练，并直接迁移到真实世界，无需任何微调或重训练。我们在许多真实世界实验中成功评估并演示了所提方法，实验涉及不同形状与大小的障碍物，取得了70%的总体成功率，包括未知形状物体和低光照测试场景。据我们所知，这是首个基于深度学习的利用事件相机在四旋翼上解决动态障碍物规避问题的方案。最后，我们仅通过反转控制策略将工作扩展到追踪任务，证明我们的导航栈可适应不同场景。
引用
@article{arxiv.1906.02919,
title = {EVDodgeNet: Deep Dynamic Obstacle Dodging with Event Cameras},
author = {Nitin J. Sanket and Chethan M. Parameshwara and Chahat Deep Singh and Ashwin V. Kuruttukulam and Cornelia Fermüller and Davide Scaramuzza and Yiannis Aloimonos},
journal= {arXiv preprint arXiv:1906.02919},
year = {2020}
}
备注
15 pages, 16 figures, Code and Video can be found at: https://prg.cs.umd.edu/EVDodgeNet