[发明专利]一种数据处理方法及计算设备

说明书

本发明公开了一种数据处理方法及相应的计算设备。该数据处理方法适于对来自动态视觉传感器的事件数据流进行处理，以得到表征不同时间段内场景变化的图像帧，其中事件数据流包括亮度发生变化的像素的坐标。方法包括步骤：按预定时间间隔将事件数据流分割为多个数据切片；以及依次选取第一数量个数据切片进行加权计算，以生成表征不同时间段内场景变化的图像帧。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法及计算设备。

背景技术

实时的光流计算在计算机视觉领域一直都扮演着重要角色，例如基于光流的分割、运动检测、用于飞行器和车辆的目标跟踪和避障等。在实时应用中，一个迫切的需求就是在保持高精确度的同时，提高光流计算的速度。而光流作为其中起决定性作用的基本元素，也由此延伸了很多光流计算方法。传统的光流方法对从常规图像传感器中捕获的大量帧数据进行处理，因此，由静态背景重复地产生冗余数据。而对大量冗余数据的读出和处理导致了巨大的计算成本，且限制了处理速度。

另一方面，基于事件的运动传感器在提高光流计算的实时性方面显示出极大的潜力。与常规图像传感器相比，运动传感器异步地响应表示相对亮度变化的事件。并且，运动传感器的输出是异步数字事件的流，其不受曝光时间或帧率的限制，它可以检测通常需要昂贵的高速摄像机以数千帧率捕获的快速运动物体，但输出的冗余数据却大量减少。因此，针对运动传感器，基于事件的光流方法得到了广泛的应用。

一般地，基于事件的光流方法可以分为基于事件的Lucas-Kanade方法和局部平面拟合方法。在基于事件的光流方法中，一个重要的步骤就是基于局部区域中的像素强度来提取坡度(或梯度)信息。然而，在传统的动态视觉传感器(Dynamic Vision Sensor，DVS)系统中，事件仅在没有照明的情况下才会报告像素位置。因此，它们在短时间内使用累积事件的数量来模拟每个像素的强度。可见，这种模拟方法表示的是相对强度变化而不是实时强度水平，它并不准确。另外，限制基于事件的光流计算的准确性的另一个问题是，在检测快速运动物体时的事件稀疏性。传统DVS在工作时，每个像素都独立地工作，并且由单个激活像素产生的事件不能为光流的计算提供足够的信息。

鉴于上述原因，需要一种新的基于像素强度来提取坡度信息的方案，以提高光流计算的速度。

发明内容

本发明提供了一种数据处理方法及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种数据处理方法，该方法适于对来自动态视觉传感器的事件数据流进行处理，以得到表征不同时间段内场景变化的图像帧，其中事件数据流包括亮度发生变化的像素的坐标，该方法包括步骤：按预定时间间隔将事件数据流分割为多个数据切片；以及依次选取第一数量个数据切片进行加权计算，以生成表征不同时间段内场景变化的图像帧。

可选地，在根据本发明的数据处理方法中，还包括步骤：根据不同时间段内场景变化的图像帧计算场景内运动物体的运动方向和运动速度。

可选地，在根据本发明的数据处理方法中，还包括步骤：按预定规则生成权重序列，以对所述第一数量个数据切片进行加权计算，其中，所述权重序列中包含第一数量个权重因子。

可选地，在根据本发明的数据处理方法中，预定规则包括：所述权重序列中权重因子的变化趋势呈单调变化。

可选地，在根据本发明的数据处理方法中，依次选取第一数量个数据切片进行加权计算、以生成表征不同时间段内场景变化的图像帧的步骤包括：依次选取第一数量个数据切片作为数据分组，其中相邻数据分组之间相互重叠第二数量个数据切片；以及利用权重序列对每个数据分组内的数据切片进行加权计算，生成表征对应时间段内场景变化的图像帧。