最近在研究事件相机的算法, 这方面目前国内研究的人较少,没有较多的参考资料。所以得靠自己慢慢研究。以下是关于Event-Based Visual Flow论文的研究记录
1. 事件相机对像素的处理
在事件相机中,对于每一个像素,当灰度值的变化超过一定的阈值之后,该像素位置就会产生一个输出
,然后根据灰度是增加还是减少输出对应的极性(正、负)。
在事件相机中,像素的灰度值变化一般用对数来衡量,这给予了其一定的自适应变化的能力。所以事件相机能够在低光照强度(2lux)和高光照强度(100klus)之间工作.
2. 本文摘要
本文介绍了一种基于事件的视网膜使用异步信号的精确定时
来计算密集视觉流的新方法。
生物视网膜及其人造视网膜完全是异步和数据驱动的
,与大多数当前使用的帧抓取器技术不同, 它完全依赖于光采集范例。
这项工作引入了一个框架来估计事件的时空局部属性的视觉流
。 我们用共同事件定义的表面上的局部微分方法
来精确估计视觉的流动方向和振幅。
3. 核心方法
事件流为: e ( p , t