[发明专利]一种基于平面拟合的事件传感器光流估计方法及装置

说明书

本发明公开了一种基于平面拟合的事件传感器光流估计方法及装置，所述方法包括：对事件传感器输出的事件流进行预过滤处理；利用Prim贪婪算法选取最优局部邻近事件集，提取有效事件；根据最优局部邻近事件集，选取最优的M个事件搭建平面拟合初始模型；将最优局部邻近事件集中其他事件代入初始模型，通过RANSAC算法迭代选取最优平面拟合模型，实现光流估计；本发明的优点在于：减小事件流中的异常数据点对于有效事件的提取和平面拟合模型的建立的误差影响，提高光流估计的精确度。

技术领域

本发明涉及计算机视觉领域，更具体涉及一种基于平面拟合的事件传感器光流估计方法及装置。

背景技术

光流估计是计算机视觉的重要研究方向之一，准确和快速的进行光流估计是应用于视觉任务的必然要求。事件传感器因其具有低延迟、低功耗、高动态范围和高时间分辨率的特点，有效解决了传统图像传感器在高速运动以及光强对比度较高场景中存在的运动模糊问题。针对事件传感器的光流估计算法可以充分发挥事件传感器的优势，在高速、高动态场景下实现视觉感知。

目前国内外针对事件传感器的光流估计方法主要分为三种：平面拟合算法、对比度最大化框架算法以及基于神经网络架构的方法。中国专利公开号CN112529944A，公开了一种基于事件相机的端到端无监督光流估计方法，利用神经网络架构的方法进行事件传感器光流估计，需要对大量数据集进行训练测试，计算成本较高，耗时较长。基于对比度框架的方法同样依靠之前累积的事件间接实现光流估计，在事件传感器的实时光流估计方面缺乏优势。平面拟合光流估计算法可以直接处理事件传感器产生的数据，具有更低的计算成本和更快的反应时间，但是事件流中往往含有异常数据点，这些无效事件不利于后续平面拟合模型的建立，影响了事件传感器光流估计的精确度。

发明内容

本发明所要解决的技术问题在于如何减小事件流中的异常数据点对于有效事件的提取和平面拟合模型的建立的误差影响，提高光流估计的精确度。

本发明通过以下技术手段实现解决上述技术问题的：一种基于平面拟合的事件传感器光流估计方法，所述方法包括：

步骤一：对事件传感器输出的事件流进行预过滤处理；

步骤二：利用Prim贪婪算法选取最优局部邻近事件集，提取有效事件；

步骤三：根据最优局部邻近事件集，选取最优的M个事件搭建平面拟合初始模型；

步骤四：将最优局部邻近事件集中其他事件代入初始模型，通过RANSAC算法迭代选取最优平面拟合模型，实现光流估计。

本发明对事件传感器输出的事件流进行预过滤处理，采用Prim贪婪算法提取有效事件，减小事件流中的异常数据点对于有效事件的提取和平面拟合模型的建立的误差影响，选取最优局部邻近事件集，提高数据流质量，同时利用最优局部邻近事件集的事件优劣排序，选取最优的M个事件搭建平面拟合初始模型，采用更优的初始内点集进行平面拟合，并结合RANSAC算法，获取最优的局部平面拟合光流估计算法模型，实现事件传感器高精度光流估计。

进一步地，所述步骤一包括：

如果存在两个传入事件e_i与e_j，其像素地址表达分别为(x_i,y_i,t_i)、(x_j,y_j,t_j)，当其像素表达关系为x_i＝x_j、y_i＝y_j、t_jt_i、t_jt_i+T_rf，则事件e_j是宽边缘效应导致的同步事件，将该事件过滤，其中，T_rf为阈值，表示同一位置上发生两个事件的最小时间差。