Mahmoud KHAIRALLAH soutient sa thèse de doctorat le vendredi 16 septembre 2022 : « Flow-Based Visual Inertial Odometry for Neuromorphic Vision Sensors »

Plutôt que de générer des images de manière constante et synchrone, les capteurs neuromorphiques de vision -également connus sous le nom de caméras événementielles, permettent à chaque pixel de fournir des informations de manière indépendante et asynchrone chaque fois qu’un changement de luminosité est détecté. Par conséquent, les capteurs de vision neuromorphiques n’ont pas les problèmes des caméras conventionnelles telles que les artefacts d’image et le Flou cinétique. De plus, ils peuvent fournir une compression sans perte de donnée avec une résolution temporelle et une plage dynamique plus élevée. Par conséquent, les caméras événementielles remplacent commodément les caméras conventionnelles dans les applications robotiques nécessitant une grande maniabilité et des conditions environnementales variables. Dans cette thèse, nous abordons le problème de l’odométrie visio-inertielle à l’aide de caméras événementielles et d’une centrale inertielle. En exploitant la cohérence des caméras événementielles avec les conditions de constance de la luminosité, nous discutons de la possibilité de construire un système d’odométrie visuelle basé sur l’estimation du flot optique. Nous développons notre approche basée sur l’hypothèse que ces caméras fournissent des informations des contours des objets de la scène et appliquons un algorithme de détection de ligne pour la réduction des données. Le suivi de ligne nous permet de gagner plus de temps pour les calculs et fournit une meilleure représentation de l’environnement que les points d’intérêt. Dans cette thèse, nous ne montrons pas seulement une approche pour l’odométrie visio-inertielle basée sur les événements, mais également des algorithmes qui peuvent être utilisés comme algorithmes des caméras événementielles autonomes ou intégrés dans d’autres approches si nécessaire.