WD-DETR：基于小波去噪增强的实时目标检测Transformer，用于事件相机的机器人感知
机器人学
2025-06-12 v1 计算机视觉与模式识别
摘要
此前关于事件相机感知的研究已展示出使用密集事件表示的某些检测性能。然而，此类密集表示中累积的噪声未得到充分关注，导致表示质量下降并增加漏检的可能性。为应对这一挑战，我们提出了小波去噪增强的检测Transformer（WD-DETR）网络，用于事件相机。具体而言，首先提出一种密集事件表示，可实现事件的实时重建为张量。然后，设计一种小波变换方法来滤除事件表示中的噪声。该方法被集成到骨干网络中用于特征提取。提取的特征随后被输入基于Transformer的网络进行目标预测。为进一步减少推理时间，我们在混合编码器中引入了动态重组卷积块（DRCB）作为融合模块。所提出的方法已在三个基于事件的目标检测数据集上进行了评估，即DSEC、Gen1和1Mpx。结果表明WD-DETR优于已测试的最先进方法。此外，我们在机器人常用的车载计算机NVIDIA Jetson Orin NX上实现了本方法，使用TensorRT FP16实现了约35 FPS的高帧率，非常适合机器人系统的实时感知。
引用
@article{arxiv.2506.09098,
title = {WD-DETR: Wavelet Denoising-Enhanced Real-Time Object Detection Transformer for Robot Perception with Event Cameras},
author = {Yangjie Cui and Boyang Gao and Yiwei Zhang and Xin Dong and Jinwu Xiang and Daochun Li and Zhan Tu},
journal= {arXiv preprint arXiv:2506.09098},
year = {2025}
}
备注
https://youtu.be/AQAgVdrx1DE