要約
イベント カメラは、低遅延、エネルギー効率、高ダイナミック レンジなどの有益な機能により、ロボット工学分野での人気が高まっています。
それにもかかわらず、下流タスクのパフォーマンスはバイアス パラメーターの最適化によって大きく影響されます。
たとえば、これらのパラメータは、イベントをトリガーするために必要な光の強度の変化を調整します。これは、環境の照明やカメラの動きなどの要因に依存します。
この論文では、2 つの相互作用方法を通じてバイアス パラメーターを自動的に調整するフィードバック制御アルゴリズムを紹介します。1) 連続イベント間の最小間隔を設定する不応期の即時オンザフライ高速適応、および 2) イベント発生率が
不応期を繰り返し変更した後でも、指定された境界を超えると、コントローラーはピクセル帯域幅とイベントしきい値を適応させ、すべてのピクセルにわたる短期間のノイズ イベントの後に安定します (遅い適応)。
私たちの評価は、視覚的な場所認識タスクに焦点を当てており、受信したクエリ画像が特定の参照データベースと比較されます。
私たちは、アルゴリズムの適応フィードバック制御の包括的な評価をリアルタイムで実施しました。
そのために、さまざまな明るさの条件下で長さ 100 メートルの屋内実験室環境 (合計移動距離は 35 km 以上) をナビゲートする Scout Mini ロボットの 366 回の反復移動から、DAVIS346 イベント カメラ ストリームを含む QCR-Fast-and-Slow データセットを収集しました。
グラウンドトゥルースの位置情報を使用します。
当社が提案するフィードバック コントローラーは、標準的なバイアス設定や従来のフィードバック制御方法と比較して、優れたパフォーマンスをもたらします。
私たちの発見は、バイアス調整がタスクのパフォーマンスに及ぼす影響や、速い適応メカニズムと遅い適応メカニズムに関する特徴アブレーション研究についても詳しく述べています。
要約(オリジナル)
Event cameras are increasingly popular in robotics due to their beneficial features, such as low latency, energy efficiency, and high dynamic range. Nevertheless, their downstream task performance is greatly influenced by the optimization of bias parameters. These parameters, for instance, regulate the necessary change in light intensity to trigger an event, which in turn depends on factors such as the environment lighting and camera motion. This paper introduces feedback control algorithms that automatically tune the bias parameters through two interacting methods: 1) An immediate, on-the-fly fast adaptation of the refractory period, which sets the minimum interval between consecutive events, and 2) if the event rate exceeds the specified bounds even after changing the refractory period repeatedly, the controller adapts the pixel bandwidth and event thresholds, which stabilizes after a short period of noise events across all pixels (slow adaptation). Our evaluation focuses on the visual place recognition task, where incoming query images are compared to a given reference database. We conducted comprehensive evaluations of our algorithms’ adaptive feedback control in real-time. To do so, we collected the QCR-Fast-and-Slow dataset that contains DAVIS346 event camera streams from 366 repeated traversals of a Scout Mini robot navigating through a 100 meter long indoor lab setting (totaling over 35km distance traveled) in varying brightness conditions with ground truth location information. Our proposed feedback controllers result in superior performance when compared to the standard bias settings and prior feedback control methods. Our findings also detail the impact of bias adjustments on task performance and feature ablation studies on the fast and slow adaptation mechanisms.
arxiv情報
| 著者 | Gokul B. Nair,Michael Milford,Tobias Fischer |
| 発行日 | 2024-03-25 05:10:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google