FenixEdu™

Dissertação

Visual Inertial Odometry with Event Cameras EVALUATED

Detalhes: Câmaras de eventos são sensores de imagem inspirados pelo funcionamento da retina dos animais, reportando mudanças de brilho ao nível de cada pixel, denominados “eventos”, que são reportados de forma assíncrona, com um ritmo de amostragem variável e dependente da cena, com uma resolução temporal muito elevada. Com efeito, estas câmaras permitem contrastes claro/escuro elevados numa dada cena e não sofrem de motion blur (distorção causada por movimento). Trabalhos recentes mostram a viabilidade do uso deste tipo de câmaras no contexto de odometria visual-inercial, podendo mesmo ultrapassar o desempenho de câmaras convencionais, em particular em cenas com movimento elevado. Neste trabalho, propomos e analisamos o desempenho de câmaras de eventos no contexto da estimação de pose, tirando proveito de fotogramas, eventos, e uma Unidade de Medida Inercial (UMI/IMU). Mostramos que o nosso método proposto, usando um Unscented Kalman Filter com representação de estado baseado em grupos de Lie é comparável, e pode mesmo superar um sistema convencional equivalente. Tanto quanto é do nosso conhecimento, este é o primeiro trabalho propondo a fusão de informação visual e inercial usando câmaras de eventos usando um Unscented Kalman Filter, bem como o seguidor de Kanade-Lucas-Tomasi baseado em Eventos (EKLT) no contexto de estimação de pose. Para além da proposta inicial apresentada, propomos uma segunda abordagem, que melhora a primeira, onde a pose estimada atual é realimentada no seguidor e detetor de caracteríticas (features), desta forma ajudando o estimador. Esta ideia é inovadora no contexto de câmaras de eventos.
Keywords: Câmaras de eventos, Estimação de Pose, SLAM, Odometria Visual e Inercial (VIO), Unscented Kalman Filter (UKF), Grupos de Lie

Discussão: setembro 21, 2021, 13:0