基于事件驱动相机的独立运动检测

与以恒定帧率发送强度图像的标准相机不同，事件驱动相机异步报告像素级亮度变化，提供低延迟和高时间分辨率（均在微秒量级）。因此，它们在机器人快速低功耗视觉算法方面具有巨大潜力。例如，视觉跟踪即使对于非常快速的刺激也很容易实现，因为只有移动的物体会引起亮度变化。然而，安装在移动机器人上的相机通常是非静止的，同样的跟踪问题会因机器人自运动产生的背景杂波事件而变得复杂。在本文中，我们提出了一种针对事件驱动相机分割独立运动物体运动的方法。我们的方法在事件流中检测并跟踪角点，并在没有独立运动物体存在时，学习其运动统计特性作为机器人关节速度的函数。在机器人操作期间，通过自运动预测的角点速度与测量的角点速度之间的差异来识别独立运动物体。我们在神经形态 iCub 机器人收集的数据上验证了该算法。我们达到了约 90% 的精度，并表明该方法对头部和目标速度的变化具有鲁棒性。