本文来自微信公众号“电子发烧友网”，作者/李宁远。
在当今5G、物联网、AI、智能制造、大数据蓬勃发展的趋势下，生活中的各种设备正在变得越来越智能。设备智能的前提是感知，感知由各类传感器来提供，而视觉无疑是其中非常关键的一个感知类别。
据Yole Development等市场研究机构的分析，预计到2030年，视觉技术将创造价值100亿美元的市场。该技术会渗透到包括自动驾驶、AR、可穿戴计算成像、机器人技术等各个领域。
基于事件的视觉技术
说到视觉传感，我们往往第一时间想到图像传感器。图像传感器按帧数捕获图像，然后形成物体运动的轨迹。在帧与帧之间的这部分，是缺失的，形成的运动轨迹并不是物体运动的全部轨迹，这可能会丢失运动过程中某些重要的信息。
而且，在每一帧上，相同的物体运动的背景信息都被记录下来，这是一些冗余无用的数据，增加数据处理的负担。这些短板在某些需求快速增长的场景里暴露了出来，这些场景急需区别于传统图像传感的技术来进行视觉传感。
基于事件的视觉技术受人眼神经生物原理启发，不拘泥于在固定的时间生成图像，而是着重于关注场景的动态变化。在获取信息的基本逻辑上，基于事件的视觉技术完全不同于传统图像传感器。
基于事件的视觉传感器，不关注场景中的静态信息，不会发生改变的场景静态信息不会被传感器捕捉到。它的工作原理更专注于变化的场景信息，基于该技术的传感器采集图像的方式是异步的、连续的，在模拟域中运作。
每个感光器都是独立的，只对变化的事物做出反应，静态的背景信息不会被一遍又一遍被重复采集。所以说，传统图像传感器采样得到的是不连续的基于帧的信息，基于事件的异步自适应采样只获取正在变化的信息，捕捉到的是时空范围内连续的像素级别的信息流。
事件视觉传感器能带来怎样的效果？
根据事件视觉传感器领先厂商Prophesee公布的相关技术细节，为了模拟拟态神经的工作逻辑，在每个像素的内部内嵌了智能设计，再基于电平交叉采样电路，每个独立异步的像素都能够对场景中的亮度变化做出反应。
独立的像素只采集动态变化的信息，能有效压缩数据的冗余，大大减少需要处理的数据量，提高数据传输速率。
另一点优势则是对外部环境的依赖，众所周知传统的图像传感器对外部环境的光照条件是有很大依赖的。光照条件会很明显地影响图像传感器的数据采集，而事件视觉的传感器采用BSI堆栈式技术，器件感光区域和逻辑电路做了大幅度优化，像素间距也进一步降低，加上超过80%的填充因子，具备了更高的光电性能。极高的动态范围让其能够适应极端的光照条件。
在Prophesee和高通合作优化其事件视觉传感器后，其产品一直在更新迭代，进一步优化了低延迟的事件时间戳，微秒分辨率进一步提高，片上直方图输出可兼容多个AI加速器。在功耗、计算和尺寸都受制约的嵌入式边缘视觉系统中，事件视觉传感器很契合场景对于高效集成事件视觉传感的技术要求。
小结
基于事件的视觉传感器的确为机器视觉和人工智能提供了另一种思路，在功耗、速度、动态范围等特征上优势也很明显，后续应该会看到该技术在机器视觉领域带来的新应用。
