DAVIS第三课: 基于事件相机的光流法计算
最近在研究事件相机的算法， 这方面目前国内研究的人较少，没有较多的参考资料。所以得靠自己慢慢研究。以下是关于Event-Based Visual Flow论文的研究记录
1. 事件相机对像素的处理
在事件相机中，对于每一个像素，当灰度值的变化超过一定的阈值之后，该像素位置就会产生一个输出，然后根据灰度是增加还是减少输出对应的极性(正、负)。
在事件相机中，像素的灰度值变化一般用对数来衡量，这给予了其一定的自适应变化的能力。所以事件相机能够在低光照强度(2lux)和高光照强度(100klus)之间工作.
2. 本文摘要
本文介绍了一种基于事件的视网膜使用异步信号的精确定时来计算密集视觉流的新方法。
生物视网膜及其人造视网膜完全是异步和数据驱动的，与大多数当前使用的帧抓取器技术不同， 它完全依赖于光采集范例。
这项工作引入了一个框架来估计事件的时空局部属性的视觉流。 我们用共同事件定义的表面上的局部微分方法来精确估计视觉的流动方向和振幅。
3. 核心方法
事件流为： e ( p , t )