视觉稳定化对帧和事件基础感知的益处

介绍了动态和主动像素视觉传感器（DAVIS）的特点及其在机器人技术和计算机视觉中的应用。

公开了一组DAVIS数据集，以激发对新算法的研究，特别是在高速和高动态范围的应用中。

提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法，证明其在准确性和适用性上优于现有方法。

使用深度递归控制器训练机器人完成视觉伺服技能，解决视觉扭曲带来的模糊性问题。

提出了22种目标函数及分类法，以分析运动补偿方法中的事件对齐，焦点损失函数与传统聚焦应用相结合。

提出了一种运动规划算法，确保在高维传感器测量下的运行时安全性和目标可达性。

通过迭代优化学习的方法，提出了一种视频稳定化方法，显著提高了计算速度和视觉质量。

采用测试时间自适应方法，提升视频稳定的像素级合成解决方案的性能，改善结果视频的稳定性和质量。

使用事件相机对旋转运动进行估计，提出基于事件的旋转姿态束调整方法，促进自我运动估计的理解。

设计了一种基于仿生微眼球震动的事件感知系统，验证其在复杂场景中的有效性。

解决了动态和光照条件下的同时定位与地图构建问题，增强了定位估计的鲁棒性，展示了优于传统方法的性能。