对论文:Feature Detection and Tracking with the Dynamic and Active-pixel Vision的解析和学习。
1.摘要
因为标准的相机以一种连续的时间间隔采样场景,所以他们并不提供后续帧之间盲区时间。
然而, 对于大多数高速运动的机器人和视觉应用中,在盲区时间内提供一种高速率测量更新是至关重要的。
DAVIS联合了标准相机和异步事件传感器, 能够解决上述难题。
本文的算法利用DAVIS的混合特征,基于灰度帧提取特征,利用一种迭代集合配准的方法去跟踪特征。
2. 相关研究
-
事件相机几乎消除了延迟和时间离散性;
-
避免冗余,因为如果场景不变,则不会传输任何信息;
-
由于事件相机的特殊性,因此,不能简单地适应成熟的计算机视觉算法,并且必须开发新的事件驱动算法来充分利用这种新型传感器的潜力。
-
好消息:使用参数模板模型并根据数据拟合更新其参数的方法仍然适用