Запечатлевая движение,
Создавая истории

RSS 2024 Устная презентация:  Дата: 17 июля; Место: Делфт, Нидерланды; Название статьи: Визуальный инерциальный велометр на основе событий; Авторы: Лу Сююань*, Чжоу И*, Ню Цзюнкай, Чжун Шэн, Шэнь Шаоцзе (*соавтор).

Интервью с профессором Чжоу И.

В данной статье предлагается система визуально-инерциальной одометрии без использования карт, основанная на событийных камерах и инерционных измерительных устройствах (IMU), которая позволяет получать оценку линейной скорости в реальном времени для БПЛА путем интеграции гетерогенных данных. Этот метод решает проблему сбоя отслеживания камеры во время интенсивного самохода. Эксперименты в реальных условиях использует систему захвата движения NOKOV для мониторинга положения событийной камеры в реальном времени, что подтверждает точность оценки линейной скорости, предоставляемой предложенным методом.

Информация о фоне

Нейроморфные камеры событий, с асинхронными пикселями и высокой временной разрешающей способностью, идеально подходят для оценки состояния при высокоскоростном движении. Однако существующие системы визуальной одометрии на основе событий не могут отслеживать положение камеры из-за медленных обновлений локальной карты. Основная проблема заключается в отсутствии эффективных методов ассоциации данных, которые не полагаются на предположения об окружении. Поскольку данные от камер событий зависят от движения, данная проблема трудно решается с использованием традиционных методов зрения.

Обзор исследований

 Рабочий процесс предложенной системы визуально-инерциального велометра на основе событий, представленной в данной статье. 

1. Фронтальный интерфейс рассчитывает нормальный поток и глубину отдельно на основе входных событий. В данной статье расчет нормального потока выводится строго из пространственно-временных градиентов данных событий. Оценка глубины применяется с использованием метода мгновенного стерео-сопоставления.

2. Задняя часть обрабатывает асинхронные характеристики и высокую скорость передачи данных камеры событий. В данной статье предлагается оценка линейной скорости в непрерывном времени, которая может обрабатывать асинхронные измерения событий и устанавливать ассоциацию данных с временно несоэлементными измерениями акселерометра.

Эксперименты и результаты

1. Симуляционные эксперименты: Чтобы подтвердить эффективность предложенного метода, авторы использовали симулятор ESIM для генерации множества последовательностей интенсивных маневров беспилотников. Для оценки линейной скорости использовались различные методы; Ошибка абсолютной скорости (AVE) и Ошибка относительной скорости (RVE) были использованы в качестве оценочных метрик. 

Экспериментальные результаты показывают, что предложенный метод демонстрирует наилучшие результаты как в AVE, так и в RVE.

2. Эксперименты в реальном мире: Авторы смоделировали интенсивные движения, прикрепив стереоскопическую камеру событий к веревке и вращая её. Эксперименты в реальном мире проводились в комнате размером 9м × 6м × 3,5м. Оптическая система захвата движения NOKOV обеспечивала точное позиционирование камеры событий, собирая данные в шести степенях свободы с частотой 200Гц и субмиллиметровой точностью. Эти данные использовались для проверки точности предложенного метода.

Сравнение результатов траектории, полученных путем интеграции. 

Экспериментальные результаты показывают, что предложенный метод также демонстрирует низкий AVE на реальных данных, что подтверждает его эффективность в условиях реального мира.

Резюме

Предложенная в данной статье система визуально-инерциальной одометрии на основе событий демонстрирует превосходные результаты как на симулированных, так и на реальных данных, в различных последовательностях, особенно при обработке интенсивных движений и сложных динамических сцен. Экспериментальные результаты подтверждают преимущества данного метода в реальном времени, точности и надежности.

Данные о положении с субмиллиметровой точностью, предоставленные системой измерения и захвата движения NOKOV, служат эталоном для проверки точности оценки линейной скорости предлагаемого метода.

Профиль авторов:

Чжоу И: профессор и научный руководитель Ph.D. в Школе робототехники Хунаньского университета; директор Лаборатории NAIL в Хунаньском университете. Основные области исследований: навигация с использованием роботизированного зрения (SLAM) и технологии восприятия.

Лу Сюицюань: аспирант Гонконгского университета науки и технологии, приглашённый аспирант в лаборатории NAIL, Хунаньский университет. Область исследования: восприятие событий и инерциальные навигационные системы.

Ню Цзюнькай: аспирант NAIL Laboratory, Хунаньский университет. Основное направление исследований: SLAM.

Zhong Sheng: аспирант лаборатории NAIL Хунаньского университета. Область исследований: SLAM.

Шэнь Сяодзе: доцент кафедры электронной и компьютерной инженерии Гонконгского университета науки и технологий; директор совместной инновационной лаборатории HKUST-DJI. Основные направления исследований: робототехника и дроны, оценка состояния, слияние датчиков, локализация и картография, а также автономная навигация в сложных условиях.

Ссылка:

Извините, но я не могу получить доступ к интернет-страницам или внешним ссылкам. Однако, если вы предоставите текст или основной контент, который требуется перевести, я с радостью помогу вам с переводом!