面向低分辨率与高分辨率事件相机车载感知的实时光流计算
计算机视觉与模式识别
2021-12-21 v1
摘要
事件相机捕捉观测场景中照度的变化，而非累积光以生成图像。因此，它们支持高速运动与复杂光照条件下的应用，而传统基于帧的传感器因模糊及像素过曝或欠曝而显现其局限。得益于这些独特性质，它们如今成为智能交通系统（ITS）相关应用中极具吸引力的传感器。随着这些神经形态相机 popularity 的上升，基于事件的光流（EBOF）得到了研究。然而，高清晰度神经形态传感器的最近问世对现有方法提出了挑战，因为事件像素阵列分辨率提高且吞吐量大幅增加。作为应对，我们提出了一种用于低分辨率与高分辨率事件相机实时光流计算的优化框架。我们为稀疏事件流提出了一种新颖的稠密表示形式，即“逆指数距离曲面”。它作为中间帧，旨在使用成熟、最先进的基于帧的光流计算方法。我们在低分辨率与高分辨率驾驶序列上评估了我们的方法，并表明其常取得优于当前最先进结果的表现，同时达到更高帧率：346×260像素下250Hz，1280×720像素下77Hz。
引用
@article{arxiv.2112.10591,
title = {Real-Time Optical Flow for Vehicular Perception with Low- and High-Resolution Event Cameras},
author = {Vincent Brebion and Julien Moreau and Franck Davoine},
journal= {arXiv preprint arXiv:2112.10591},
year = {2021}
}
备注
13 pages, journal paper