電子發燒友網報道（文/李寧遠）在當今5G、物聯網、AI、智能制造、大數據蓬勃發展的趨勢下，生活中的各種設備正在變得越來越智能。設備智能的前提是感知，感知由各類傳感器來提供，而視覺無疑是其中非常關鍵的一個感知類別。

據Yole Development等市場研究機構的分析，預計到2030年，視覺技術將創造價值100億美元的市場。該技術會滲透到包括自動駕駛、AR、可穿戴計算成像、機器人技術等各個領域。

基于事件的視覺技術

說到視覺傳感，我們往往第一時間想到圖像傳感器。圖像傳感器按幀數捕獲圖像，然后形成物體運動的軌跡。在幀與幀之間的這部分，是缺失的，形成的運動軌跡并不是物體運動的全部軌跡，這可能會丟失運動過程中某些重要的信息。

而且，在每一幀上，相同的物體運動的背景信息都被記錄下來，這是一些冗余無用的數據，增加數據處理的負擔。這些短板在某些需求快速增長的場景里暴露了出來，這些場景急需區別于傳統圖像傳感的技術來進行視覺傳感。

基于事件的視覺技術受人眼神經生物原理啟發，不拘泥于在固定的時間生成圖像，而是著重于關注場景的動態變化。在獲取信息的基本邏輯上，基于事件的視覺技術完全不同于傳統圖像傳感器。

基于事件的視覺傳感器，不關注場景中的靜態信息，不會發生改變的場景靜態信息不會被傳感器捕捉到。它的工作原理更專注于變化的場景信息，基于該技術的傳感器采集圖像的方式是異步的、連續的，在模擬域中運作。

每個感光器都是獨立的，只對變化的事物做出反應，靜態的背景信息不會被一遍又一遍被重復采集。所以說，傳統圖像傳感器采樣得到的是不連續的基于幀的信息，基于事件的異步自適應采樣只獲取正在變化的信息，捕捉到的是時空范圍內連續的像素級別的信息流。

事件視覺傳感器能帶來怎樣的效果？

根據事件視覺傳感器領先廠商Prophesee公布的相關技術細節，為了模擬擬態神經的工作邏輯，在每個像素的內部內嵌了智能設計，再基于電平交叉采樣電路，每個獨立異步的像素都能夠對場景中的亮度變化做出反應。

獨立的像素只采集動態變化的信息，能有效壓縮數據的冗余，大大減少需要處理的數據量，提高數據傳輸速率。

另一點優勢則是對外部環境的依賴，眾所周知傳統的圖像傳感器對外部環境的光照條件是有很大依賴的。光照條件會很明顯地影響圖像傳感器的數據采集，而事件視覺的傳感器采用BSI 堆棧式技術，器件感光區域和邏輯電路做了大幅度優化，像素間距也進一步降低，加上超過80%的填充因子，具備了更高的光電性能。極高的動態范圍讓其能夠適應極端的光照條件。

在Prophesee和高通合作優化其事件視覺傳感器后，其產品一直在更新迭代，進一步優化了低延遲的事件時間戳，微秒分辨率進一步提高，片上直方圖輸出可兼容多個AI加速器。在功耗、計算和尺寸都受制約的嵌入式邊緣視覺系統中，事件視覺傳感器很契合場景對于高效集成事件視覺傳感的技術要求。

小結

基于事件的視覺傳感器的確為機器視覺和人工智能提供了另一種思路，在功耗、速度、動態范圍等特征上優勢也很明顯，后續應該會看到該技術在機器視覺領域帶來的新應用。