佐思周彥武老師的事件相機，引發(fā)了對幀事件的思考。基于該思考，對事件相機做一個整理，具體算法不去解釋。主要參考《Event-based Vision： A Survey》

事件相機最初是神經(jīng)形態(tài)學工程的一個產(chǎn)物，主要是利用VLSI（Very Large Scale Integration）去模擬、實現(xiàn)人與其他動物大腦中的某些神經(jīng)元構造，如人眼只關注相對運動的物體，而不去關心相對靜止的物體，這里的相對運動使用脈沖編碼方式來實現(xiàn)（即事件相機）。

事件相機與傳統(tǒng)相機存在很大的差別，相比于傳統(tǒng)相機以固定頻率采集圖像，事件相機大多是通過測量每個像素的亮度變化來輸出異步信號（包括事件、位置和亮度變化的符號）。事件相機與傳統(tǒng)相機相比有很多的優(yōu)點：

沒有幀率的概念，它不同于等時間間距采樣的方式，其通過等亮度變化值采樣的方式，可以捕捉更快的動作，對快速變化的亮度十分敏感，所以不受運動模糊的影響；

單個像素的電路設計比較復雜，無法獲得單個像素的亮度值，并且其采用對數(shù)響應的方式，所以可以獲得較高的動態(tài)測量范圍和高時間分辨率；

減少數(shù)據(jù)冗余，極大減小了數(shù)據(jù)的傳輸帶寬；

由于其眾多的優(yōu)點，事件相機被應用在物體跟蹤、識別、手勢控制、三維重建、光溜估計、SLAM等領域。

一）事件相機的原理

如上圖，每個像素都有一個計算電路，左邊的光電轉換電路將光強轉換為電壓值，使用一個差分電路，計算像素亮度的變化（該變化說明，事件相機取決于亮度的變化，與亮度的絕對值無關），當亮度變化累積達到一定閾值（該閾值一般為相機的固有參數(shù)）后，就會觸發(fā)信號。該相機采用特殊的編碼方式，即Address Event Representation，進行二值圖像的壓縮，一般圖像的編解碼都會被供應商集成到硬件SDK中。

二）關于事件的理解

事件相機，重點在于事件的理解。所謂的事件有三個要素：1）時間戳、2）像素坐標、3）極性；即一個事件可以表達為“在什么時間，哪個像素點，發(fā)生了亮度的增加或者減小”。

當場景中由物體運動或光照改變造成大量像素變化時，就會產(chǎn)生一系列的事件，這些事件以事件流（Events stream）方式輸出，事件流的數(shù)據(jù)量遠遠小于傳統(tǒng)相機的數(shù)據(jù)，且沒有最小實踐單位。所以具有低延遲的特性。以下裝置來說明事件相機：

上圖可以抽象為如下，圖中的polarity可以是1，也可以是-1，用來表示該像素是變亮還是變暗，將事件分為on和offer。下圖右側上方，是傳統(tǒng)相機的輸出，下方為事件相機的輸出。當圓盤轉動時，傳統(tǒng)相機會定時拍攝完整的圖像，下方事件相機僅會輸出變化，即黑斑的運動。當圓盤不動時，傳統(tǒng)相機依然會傻傻的拍攝圖像，而事件相機則不會產(chǎn)生任何輸出（傳統(tǒng)相機很癡情，事件相機很渣）。

當轉速很快時：

事件相機一個特點就是快，兩個events之間平均時間差約為0.1us左右；雖然在事件相機中，輸出的event只有高低電平之分，無法分辨intensity，但不同強度的變化所激發(fā)的event數(shù)量是不同的。如果有條件進行實驗的話（推薦CeleX5，非廣告，便宜有方便），當相機運動時，視野內會出現(xiàn)一條明暗邊界，由于邊界兩邊存在明暗對比，邊界會激發(fā)一條同形狀的event點群；同樣的形狀下，明暗對比越大的邊界，在相同情況下激發(fā)的event數(shù)量越多，這樣就可以得到較為粗糙的強度信息。如上圖中低速運動和高速運動所激發(fā)的event數(shù)量有明顯的不同。

三）事件相機的處理范式

事件相機的處理一般有兩種方法，一是模型驅動型，從其他傳感器獲得模型，如半稠密圖，然后通過處理一個個事件來更新系統(tǒng)狀態(tài)；另一個是數(shù)據(jù)驅動，利用機器學習的方法來獲取事件之間的關聯(lián)性。

由于事件相機輸出的是事件流，有三種常見的處理范式，分別為：

a）Event-by-Event：Event-by-Event方法會被用在很多任務中，如slam中的特征追蹤、位姿追蹤以及圖像重建等。如前面提到event經(jīng)常大量出現(xiàn)在明暗分界線明顯的地方。在vSLAM的Visual Odometry（通過求相鄰圖像的差別來計算相機的姿態(tài)變換，然后求得相機的位姿）中，基于feature based approach使用的feature一般也都是在明暗分明的地方。所以在vSLAM中，采用事件相機可以幫助過濾一些無用的信息，減少計算量。

b）Groups of Events：由于每個事件攜帶的信息比較少，且容易收到噪聲的影響，所以一般截取一段時間內的事件一起處理，這樣可以為需要解決的問題產(chǎn)生足夠的信噪比。這樣可以將事件轉換為傳統(tǒng)相機的frame，然后運動傳統(tǒng)的視覺方法進行解決。另外也可以直接利用event之間的關聯(lián)性，來進行目標檢測、光流估計、深度估計等。如利用事件的像素直方圖、最近時間戳表面（SAE）、插值體素網(wǎng)絡將event轉換成CNN使用的張量數(shù)據(jù)，然后采用類似encoder-decoder的架構進行應用（Event-based Vision： A Survey）。

c）SNN：全稱Spiking Neural Networks，是一種脈沖事件的神經(jīng)網(wǎng)絡。它將視覺空間中的一個小區(qū)域作為輸入事件，不同于CNN的每一次迭代傳播都被激活，只有當event的狀態(tài)超過一定閾值時，才會激活，產(chǎn)生輸出。關于SNN，則是另外一個全新的領域，這里不做介紹。

四）關于事件相機的思考

事件相機雖然有很多的特點，但大多還停留在實驗室階段，適合占坑：

事件相機具有很高的頻率（可以達到1000Hz以上），但無論在無人機還是自動駕駛領域，都不需要太高的頻率（200Hz足以）。而目前傳統(tǒng)相機也有達到200Hz以上，如iphoneX的攝像頭頻率可達240Hz。

事件相機可以在檢測、目標重建方向發(fā)揮更大的作用，但在視頻理解、語義分割領域還存在很大的缺陷。另外隨著深度學習的發(fā)展，利用視頻連續(xù)幀之間關系，也能夠達到類似event的特點，如深度估計或光流估計。

事件相機適應性較強，在低光照或者高動態(tài)環(huán)境下信號穩(wěn)定，可以與傳統(tǒng)的相機相結合，即將event sensor集成在普通相機中（如 Dynamic and Active-pixel Vision Sensor，集成了event sensor、普通相機、IMU等），多方優(yōu)勢互補，既能在低光照或者高動態(tài)下獲得穩(wěn)定的信號，又能夠進行視頻理解、語義分割等功能。這種相機可以用在無人機或者無人駕駛領域。

審核編輯 ：李倩