通过事件相机的快速和慢速自适应偏置增强视觉位置识别

使用固定步长反馈控制器自动控制动态视觉传感器事件相机的参数，实验证明了模型的可行性和反馈控制的有效性。

探讨用事件相机实现机器人本地化中的视觉场景匹配，利用稀疏像素相机特性进行精准场景匹配，实验验证了其性能表现。

提出提高事件基于CNNs的训练数据的策略，带来20-40%的性能提升，并推出高质量数据集HQF以解决视频重建中的图像质量问题。

研究使用事件相机结合深度学习进行行人检测，结果表明事件相机是解决现有问题的潜在技术。

提出使用事件相机实现闭环控制的方案，通过双旋翼平台和卡尔曼滤波器实现一维姿态跟踪，取得良好控制效果。

提出从事件流中直接学习重建图像的方法，扩展到合成彩色图像，实验证明该网络在高速现象和挑战性照明条件下表现良好。

介绍事件相机技术的工作原理和应用，讨论处理事件的技术及未来机器感知的新机遇。

提出跨模态视觉定位识别框架，结合事件相机和正常相机，验证该方法在不同场景下的优越性。

提出异步滤波器，将事件摄像机和传统摄像机的信息融合，形成高时空分辨率图像状态，证明该算法优于现有方法。