用于腹侧着陆的全局最优基于事件的散度估计
计算机视觉与模式识别
2022-09-28 v1
摘要
事件感知是仿生飞行制导与控制系统的重要组成部分。我们探索利用事件相机在腹侧着陆过程中预测与地面的接触时间（TTC）。这是通过从着陆过程中生成的事件流估计散度（TTC的倒数，即径向光流的变化率）来实现的。我们的核心贡献是一种新颖的基于事件的散度估计对比度最大化公式，以及一种分支定界算法，用于精确最大化对比度并求得最优散度值。我们进行了GPU加速以加快该全局算法。另一贡献是一个包含腹侧着陆真实事件流的新数据集，用于测试和基准评估我们的方法。得益于全局优化，与其他启发式散度估计器或基于事件的光流方法相比，我们的算法在恢复真实散度方面能力显著更强。借助GPU加速，我们的方法也实现了具有竞争力的运行时间。
引用
@article{arxiv.2209.13168,
title = {Globally Optimal Event-Based Divergence Estimation for Ventral Landing},
author = {Sofia McLeod and Gabriele Meoni and Dario Izzo and Anne Mergy and Daqi Liu and Yasir Latif and Ian Reid and Tat-Jun Chin},
journal= {arXiv preprint arXiv:2209.13168},
year = {2022}
}
备注
Accepted in the ECCV 2022 workshop on AI for Space, 18 pages, 6 figures