메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Howoong Jun (Seoul National University) Sangil Lee (Seoul National University) Songhwai Oh (Seoul National University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2022
발행연도
2022.11
수록면
829 - 834 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we propose a new method for keypoint detection using neuromorphic camera data. Robust keypoint detection in diverse conditions is a major issue for visual simultaneous localization and mapping (SLAM), place recognition, and computer vision. Recently, many methods adopt supervised learning to solve the problem. However, it is hard to define the exact reference keypoints on natural scenes, so the training process can be ambiguous for the problem. To handle this issue, we propose a new method named EventPointNet which is trained from data collected from a neuromorphic camera, also known as an event-based camera. Since the event-based camera captures natural edge points from any scenes regardless of illumination and viewpoint changes, the data can be used as proper references for keypoint detection. Therefore, a network trained with these data can detect distinct keypoints on a gray-scale image captured from a conventional camera. The proposed method is validated by comparing with both handcrafted and learning-based approaches on HPatches dataset. The experimental results show that EventPointNet detects more valid keypoints than the other methods in terms of both qualitative and quantitative results, especially on the illumination conditions with 1.31% higher matching score compared to the second best method. We also perform the visual odometry experiments on the KITTI dataset to show that EventPointNet can be applied to robotic applications. In particular, EventPointNet shows a reduction of 30.74% in the trajectory error compared to the second best algorithm.
#Keypoint #Local Feature #Visual Localization

목차

Abstract
1. INTRODUCTION
2. RELATED WORK
3. EVENTPOINTNET
4. EXPERIMENTS
5. CONCLUSION
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

[AI-18] Fall Detection in Multi-Persons Using Yolo-Pose and LSTM
Seung Su Jeong ,  Nam Ho Kim ,  Yun Seop Yu INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING 2024 .01
Comparison of Fall Detection Systems Based on YOLOPose and Long Short-Term Memory
Seung Su Jeong ,  Nam Ho Kim ,  Yun Seop Yu Journal of information and communication convergence engineering 2024 .06
Fall Detection using Deep Learning with Sensing Data
Jabeen Shaisata ,  Jabeen Fa ,  ah 정보과학회 컴퓨팅의 실제 논문지 2024 .01
Fall Detection System Applying Parameters Processed by Accelerometer Data to Long-short Term Memory
Seung Su Jeong ,  Nam Ho Kim ,  Yun Seop Yu INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING 2022 .01
Automated Fall Detection on Smart Factory based on Deep Learning Approach
Syifa Maliah Rachmawati ,  Danielle Jaye S. Ag ,  on 외 2명 한국통신학회 학술대회논문집 2021 .06

최근 본 자료

전체보기

댓글(0)

0