PRED18：DAVIS事件相机在捕食者-猎物机器人追逐中的数据集与进一步实验
计算机视觉与模式识别
2018-07-10 v1
摘要
使用卷积神经网络（CNNs）的机器视觉系统正日益增多地用于机器人应用。传统视觉CNN以恒定采样率由相机帧驱动，因而实现固定的延迟与功耗权衡。本文描述了在捕食者/猎物场景中集成CNN与动态有源像素视觉传感器（DAVIS）的闭环机器人系统首次实验的进一步工作。安装在捕食者Summit XL机器人上的DAVIS以固定15 Hz帧率产生帧，以及包含5k个ON和OFF事件的动态视觉传感器（DVS）直方图，其可变帧率范围为15-500 Hz，取决于机器人速度。与传统基于帧的系统不同，延迟和处理成本取决于图像变化率。CNN在1.25小时标注数据集上离线训练，以识别捕食者视野中猎物机器人的位置和大小。在推理过程中，结合CNN的十个输出类别可提取猎物相对于捕食者的模拟位置向量，角度估计平均误差为8.7%。该系统兼容传统深度学习技术，但实现了随动力学自动适应的可变延迟-功耗权衡。最后，还探讨了算法的鲁棒性研究、人类性能比较以及反卷积分析。
引用
@article{arxiv.1807.03128,
title = {PRED18: Dataset and Further Experiments with DAVIS Event Camera in Predator-Prey Robot Chasing},
author = {Diederik Paul Moeys and Daniel Neil and Federico Corradi and Emmett Kerr and Philip Vance and Gautham Das and Sonya A. Coleman and Thomas M. McGinnity and Dermot Kerr and Tobi Delbruck},
journal= {arXiv preprint arXiv:1807.03128},
year = {2018}
}
备注
8 pages