[发明专利]一种不受速度影响的事件相机的成图方法

权利要求书

1.一种不受速度影响的事件相机的成图方法，其特征在于，包括如下步骤：

步骤1，一串由事件相机采集生成的异步事件流,记为e_i＝{t_i,x_i,y_i,p_i}，i＝1,2,3,…,n，t_i为事件e_i的时间戳，x_i为事件e_i发生的横坐标，y_i为事件e_i发生的纵坐标，p_i为事件e_i的极性；

步骤2，记此方法生成的图像为T(x,y),在0时刻，初始化为全0矩阵；

步骤3，每到来一个事件，假设该事件为e_k＝{t_k,x_k,y_k,p_k},图像上以坐标(x_k,y_k)为中心的大小为(2r+1)×(2r+1)的邻域，记为N_ei＝{(x,y)|x_k-r≤x≤x_k+r,y_k-r≤x≤y_k+r},对于图片上内的点(x,y)∈N_ei，处理方式分为下列两种情况：

如果T(x,y)≥T(x_k,y_k),那么将该点的值减去一个定值sub，即T(x,y)＝T(x,y)-sub；

如果T(x,y)T(x_k,y_k)，那么该点的值不变；

步骤4，将图像上坐标(x_k,y_k)处的值设置为(2r+1)²；

步骤5，对于图像上每一个点随时间变化的函数进行高通滤波；

步骤5的具体实现方式如下，

每到来一个事件e_k＝{t_k,x_k,y_k,p_k},图像T(x,y)的更新可表示为如下式子：

那么,定义图像T上每一个点的值的变化为ΔT_k(x,y),那么ΔT_k(x,y)可表示为如下式子：

所以经过一段时间t后，随着这段时间内n个事件的积累，图像T(x,y)可以表示为：

τ是积分变量，对于一个尺度常量α0,定义一个高通滤波器F(s)＝s/(s+α)，s是拉普拉斯域的变量；定义为信号T(x,y,t)的拉普拉斯变换，定义为T(x,y,t)经过高通滤波器后的结果；

然后对上式进行拉普拉斯反变换，G(x,y,t)为的拉普拉斯反变换，对于每一个像素位置(x,y)得到常微分方程

假设没有事件出现，上式变成了常系数一阶常微分方程

定义t_k为当前事件的时间戳，定义为从下逼近t_k的极限值，定义为从上逼近t_k的极限值，得到从t^(x,y)到的积分为：

其中，t^(x,y)表示上一个出现在位置(x,y)处事件的时间戳；

对于时间段到

更新时间戳状态

t^(x,y)＝t_k

故高通滤波处理在时域上简化为下列式子：

这里G即是高通滤波后的图像；

步骤6，每到来一个新的事件，重复步骤3-步骤5。