Ego-motion Estimation Based on Fusion of Images and Events

要約

イベントカメラは、イベントストリームを出力する新しいバイオインスパイアードビジョンセンサーです。
本論文では、EASと呼ばれる新しいデータ融合アルゴリズムを提案し、従来の強度画像をイベントストリームと融合させます。
融合結果は、いくつかの自我運動推定フレームワークに適用され、薄暗いシーンで取得された公開データセットで評価されます。
当社の3自由度回転推定フレームワークでは、EASは、強度画像およびイベントスライス、TS、SITSなどのイベントの表現の中で最高の推定精度を実現します。
元の画像と比較して、EASは平均APEを69％削減し、追跡のためのより多くの機能を含めることで恩恵を受けています。
結果は、私たちのアルゴリズムがイベントカメラの高ダイナミックレンジを効果的に活用して、困難な照明条件でのオプティカルフロー追跡に基づく自我運動推定フレームワークのパフォーマンスを改善することを示しています。

要約(オリジナル)

Event camera is a novel bio-inspired vision sensor that outputs event stream. In this paper, we propose a novel data fusion algorithm called EAS to fuse conventional intensity images with the event stream. The fusion result is applied to some ego-motion estimation frameworks, and is evaluated on a public dataset acquired in dim scenes. In our 3-DoF rotation estimation framework, EAS achieves the highest estimation accuracy among intensity images and representations of events including event slice, TS and SITS. Compared with original images, EAS reduces the average APE by 69%, benefiting from the inclusion of more features for tracking. The result shows that our algorithm effectively leverages the high dynamic range of event cameras to improve the performance of the ego-motion estimation framework based on optical flow tracking in difficult illumination conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google