Détection d'objets en mouvement dans un milieu urbain par fusion de données RVB et événementielles - Imagerie et Vision Artificielle Access content directly
Conference Papers Year : 2023

Détection d'objets en mouvement dans un milieu urbain par fusion de données RVB et événementielles

Abstract

-La détection d'objets en mouvement (DOM) est une tâche essentielle pour parvenir à une conduite autonome sûre. En vision par ordinateur, les méthodes d'apprentissage profond donnent des résultats intéressants mais elles sont généralement basées sur des images classiques et souffrent par conséquent des limites de ce type de capteur dans des scènes hautement dynamiques. Les avancées technologiques récentes dans le développement de capteurs bio-inspirés, en particulier les caméras événementielles, peuvent naturellement compléter les données issues des caméras conventionnelles afin de mieux modéliser les objets en mouvement. Nous proposons dans cet article, un nouveau réseau de fusion de données multimodales RVB/événements, appelé RENet (RGB-Event fusion Network), qui exploite conjointement ces deux modalités complémentaires pour obtenir une DOM plus robuste dans des scénarios difficiles de conduite autonome.
Fichier principal
Vignette du fichier
ZhouGRETSI.pdf (2.08 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04320908 , version 1 (04-12-2023)

Identifiers

  • HAL Id : hal-04320908 , version 1

Cite

Zhuyun Zhou, Zongwei Wu, Rémi Boutteau, Fan Yang, Cédric Demonceaux, et al.. Détection d'objets en mouvement dans un milieu urbain par fusion de données RVB et événementielles. GRETSI 2023 -XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04320908⟩
21 View
11 Download

Share

Gmail Facebook X LinkedIn More