王 梅

(遂宁市中心医院教学培训部,四川 遂宁 629000)

0 引 言

随着新一代人工智能的发展，类脑研究和神经形态计算逐渐引起研究者们的广泛关注。神经形态研究人员模拟生物视网膜的工作原理，开发出硅视网膜器件[1]，即事件相机(Event Cameras)，例如动态视觉传感器(Dynamic Vision Sensor, DVS)[2]、异步时间图像传感器(Asynchronous Time-based Image Sensor, ATIS)[3]、动态活跃像素视觉传感器(Dynamic and Active-pixel Vision Sensor, DAVIS)[4]等。对于以固定帧率采集帧图像信息的传统视觉传感器，当其在捕捉高速运动的物体时，会丢失大量重要信息，同时无法避免地记录到一些无用背景信息，造成图像欠采样和信息冗余等问题。不同于传统的视觉传感器，事件相机不输出帧图像信息，而是将外界视觉信息编码为时空脉冲事件流，具有低功耗、低信息冗余以及高动态范围等优点。由于事件相机与传统视觉传感器存在本质的区别，传统计算机视觉算法无法直接处理事件相机输出的数据，因此迫切需要研究和开发新的神经形态视觉算法。

光流估计是计算机视觉中的基本任务，它广泛应用于目标追踪和运动轨迹估计等场景。本文主要研究基于局部平面拟合的神经形态视觉光流估计算法，充分发挥事件相机在高速、高动态环境下的视觉感知优势来进行光流估计，为探索计算机视觉和机器人等应用领域提供一条可行之路。

1 相关工作

目前，国际上已经有一些针对神经形态传感器输出的事件流数据进行光流估计的算法研究。早在2008年，Delbruck[5]提出了一种时空重合检测定向边缘的光流估计算法。……