面向 FPGA 无人机的低延迟基于事件的障碍规避
计算机视觉与模式识别
2025-05-19 v2
摘要
本工作定量评估了基于事件的视觉系统 (EVS) 在无人机碰撞规避动作预测任务中，相对于传统 RGB 模型的性能。我们的实验表明，EVS 模型在有效帧率（1 kHz）和时延（-20 ms）和空间预测误差（-20 mm）方面显著优于 RGB 模型，尤其是在测试离分布数据时表现更佳。EVS 模型在选择最优规避maneuver方面也表现出更强的鲁棒性。具体而言，在区分运动与静止状态时，EVS 模型在精度（78% vs. 19%）上实现了 59 个百分点的优势，F1 分数（0.73 vs. 0.06）显著提高，凸显了 RGB 模型易受过拟合的脆弱性。进一步的不同空间类别组合分析确认了 EVS 模型在两个测试数据集中的一致性能。最后，我们对系统进行端到端评估，实现了约 2.14 ms 的延迟，其中事件聚合（1 ms）和处理单元推理（0.94 ms）是最大的组成部分。这些结果凸显了基于事件的视觉技术在实时碰撞规避中的优势，并展示了其在资源受限环境中的潜在部署能力。
引用
@article{arxiv.2504.10400,
title = {Towards Low-Latency Event-based Obstacle Avoidance on a FPGA-Drone},
author = {Pietro Bonazzi and Christian Vogt and Michael Jost and Lyes Khacef and Federico Paredes-Vallés and Michele Magno},
journal= {arXiv preprint arXiv:2504.10400},
year = {2025}
}