基于动态事件的光学识别和通信

科学领域:

• 机器人和计算机视觉 机器人和计算机视觉
• 神经形态工程的神经形态工程
• 传感器技术 传感器技术

背景情况:

• 光学识别系统经常面临通信频率,范围和跟踪准确性之间的权衡.
• 现有的时间模式识别方法在平衡这些参数方面存在局限性,例如资产监控等应用程序.
• 基于无人机的系统需要高效和强大的方法来同时进行通信和定位.

研究的目的:

• 开发一个改进的无人机光学识别系统,增强通信和跟踪之间的权衡.
• 利用基于事件的摄像头和神经形态计算来实现更快,更准确的定位.
• 在资产监控场景中,允许与多个移动目标同时进行通信和跟踪.

主要方法:

• 利用基于事件的快速摄像头进行高速视觉数据采集.
• 实现了稀疏的神经形态光学流与尖端神经元,以实现高效和准确的信标跟踪.
• 将系统集成到模拟无人机环境中,用于资产监控模拟.
• 开发了一个硬件实验室原型,以验证在现实世界中条件的性能.

主要成果:

• 在无人机和信标之间的相对运动中表现出强度.
• 启用了多个移动信标的同时通信和跟踪.
• 首次实现了与信标跟踪同时在kHz范围内实现最先进的频率通信.
• 在模拟资产监控用例中验证了系统的有效性.

结论:

• 拟议的系统显著改善了通信频率,范围和光学识别中的跟踪精度之间的权衡.
• 基于事件的摄像头和神经形光流提供了先进的无人机监控和通信的有希望的方法.
• 这项研究标志着在实现实时应用中同时实现高频通信和精确的多目标跟踪方面取得了重大进展.