[发明专利]一种基于运动模型的事件相机运动补偿方法及装置

权利要求书

1.一种基于运动模型的事件相机运动补偿方法，用于对事件累加造成的高速运动目标的运动模糊进行运动补偿，其特征在于，所述基于运动模型的事件相机运动补偿方法，包括：

步骤1、初始化运动模型参数和学习率，按照预先设置的时间窗读取事件相机输出的事件序列；

步骤2、将时间窗内的事件序列转换为平均时间面，并获取平均时间面的质心；

步骤3、采用索贝尔算子对平均时间面进行卷积操作，计算得到平均时间面的水平和垂直梯度，采用梯度下降法更新运动模型的参数；

步骤4、采用更新后运动模型的参数，对事件位置进行更新；

步骤5、判断是否达到迭代终止条件，如果达到，则结束当前时间窗的运动补偿，否则返回到步骤2进行下一次的迭代。

2.如权利要求1所述的基于运动模型的事件相机运动补偿方法，其特征在于，所述采用更新后运动模型的参数，对事件位置进行更新，包括：

采用如下公式对事件位置进行更新：

其中，(x，y)为更新前的事件位置，(x′，y′)为更新后的事件位置，(mx，my)为平均时间面的质心，t₀为时间窗内的初始时间，t为当前事件的时间，h_x，h_y，h_z，θ为运动模型(h_x，h_y，h_z，θ)的参数。

3.如权利要求1所述的基于运动模型的事件相机运动补偿方法，其特征在于，所述采用梯度下降法更新运动模型的参数，包括：

步骤3.1、计算运动模型参数变量的梯度；

定义损失函数从而得到运动模型(h_x，h_y，h_z，θ)的4个参数的梯度：

其中[i，j]指各个事件的横纵坐标，ct指事件的个数，G_x表示平均时间面的水平方向梯度，G_y表示垂直方向梯度；

步骤3.2、用梯度下降法更新运动模型的参数变量：

h_x＝h_x-lrx*dx，h_y＝h_y-lry*dy；

h_z＝h_z-lrz*dz，θ＝θ-lrθ*dθ。

其中lrx、lry、lrz、lrθ分别为各个参数对应的学习率。

4.如权利要求3所述的基于运动模型的事件相机运动补偿方法，其特征在于，所述判断是否达到迭代终止条件，包括：

当所述运动模型(h_x，h_y，h_z，θ)的4个参数的梯度dx、dy、dz、dθ均小于预设的收敛阈值时，判断达到迭代终止条件。

5.如权利要求1所述的基于运动模型的事件相机运动补偿方法，其特征在于，所述基于运动模型的事件相机运动补偿方法，还包括：

在当前运动模型任何一个参数的梯度与上一次迭代的梯度出现符号相反时，降低对应参数的学习率，返回到步骤2继续进行迭代。

6.一种基于运动模型的事件相机运动补偿装置，用于对事件累加造成的高速运动目标的运动模糊进行运动补偿，其特征在于，所述基于运动模型的事件相机运动补偿装置，包括：

初始化模块，用于初始化运动模型参数和学习率，按照预先设置的时间窗读取事件相机输出的事件序列；

迭代起始模块，用于将时间窗内的事件序列转换为平均时间面，并获取平均时间面的质心；

参数更新模块，用于采用索贝尔算子对平均时间面进行卷积操作，计算得到平均时间面的水平和垂直梯度，采用梯度下降法更新运动模型的参数；

位置更新模块，用于采用更新后运动模型的参数，对事件位置进行更新；

判断模块，用于判断是否达到迭代终止条件，如果达到，则结束当前时间窗的运动补偿，否则返回到迭代起始模块进行下一次的迭代。