**关键词：** 事件相机、Raw2Event、DAVIS346、事件模拟、RAW图像

事件相机具有高时间分辨率、低延迟和较高动态范围，但专用硬件的成本、分辨率以及部分设备缺少自动对焦等因素，会提高早期研究和原型验证的门槛。

来自KU Leuven研究团队的Raw2Event提出另一条路线：使用低成本RAW帧相机采集数据，在嵌入式平台上实时转换为事件流。论文使用树莓派相机、树莓派计算平台和真实DAVIS346事件相机建立同步采集系统，并用真实事件统计特性校准生成模型。

这项工作并不是把普通相机在物理上改造成DVS传感器，而是构建一个可以实时输出模拟事件的帧转事件系统。理解这一点，是判断其研究价值和适用范围的关键。

## 1. 为什么不直接从RGB视频生成事件

传统视频通常已经经过图像信号处理器，也就是ISP。去马赛克、白平衡、伽马、降噪、锐化、色彩映射和压缩都会改变原始像素值。

事件生成依赖相邻时刻的亮度变化。如果输入图像已经被非线性处理，算法观察到的变化不一定对应传感器原始光强变化。视频压缩还会带来块效应、模糊、振铃和颜色偏差，这些伪影可能被错误转换成事件。

Raw2Event直接读取RAW Bayer数据，绕开常规ISP。论文实验中的RAW输入为10位，而对照RGB输入为8位。更高位深能够保留更多亮度层级，因此在论文设置的高动态范围场景中，RAW生成事件比RGB生成事件保留了更多亮区边缘细节。

需要注意，这个结果证明的是RAW输入相对RGB输入的优势，并不意味着普通RAW帧相机在动态范围和时间性能上全面超过真实事件相机。
![hdr_crop_frame.png](https://developer.qcloudimg.com/http-save/yehe-8628718/d0aa3a5bb21f6191705546881e618bc3.png)
![hdr_time_stack_heatmap.png](https://developer.qcloudimg.com/http-save/yehe-8628718/0ada4f8382d29fe5026bf1c51b28c783.png)
## 2. Raw2Event怎样生成一个事件

最基础的帧转事件方法会比较相邻图像的对数亮度。当变化超过阈值时，在对应像素生成ON或OFF事件。

Raw2Event采用DVS-Voltmeter提出的随机过程模型。该模型尝试描述真实DVS像素内部电压随亮度变化、漂移和噪声演化的过程。当模拟信号越过对比度阈值时，系统生成事件。

相比固定阈值方法，这种模型可以表达：

- 事件对亮度变化的响应强弱；
- 不同光照下的时间随机性；
- 静止亮区中的漏电事件；
- 暗区及静止背景噪声；
- 全局随机事件噪声；
- 事件时间戳的抖动。

论文把底层参数进一步映射成较容易理解的控制项，例如事件灵敏度、对比度灵敏度、亮区漏电、时间抖动、暗噪声和全局噪声。这样，开发者无需直接理解全部电路模型参数，也能调节模拟事件的行为。

## 3. 为什么要用DAVIS346进行跨传感器标定

同一场景经过普通帧相机和真实事件相机后，输出并不天然一致。两台设备的镜头、分辨率、视场、曝光、像素响应和时间轴都有差异。若只凭事件累积图目测调整参数，很容易得到“看起来像”但统计特征不真实的结果。

Raw2Event建立了一套同步采集系统，同时记录树莓派相机的RAW、RGB数据和DAVIS346真实事件。研究团队让两个传感器观察显示屏上的图像，并通过可控圆周运动产生事件。

系统还要完成：

1. 机器人与相机采集程序之间的通信；
2. RAW帧与DAVIS346事件的跨设备时间同步；
3. 两个传感器视场中对应ROI的跟踪；
4. 事件过滤和空间区域匹配；
5. 不同数据源的事件间隔分布比较。

论文先使用分组和直方图拟合获得参数初值，再进行三步回归，最后用Optuna做黑盒搜索。优化目标是让模拟事件的时间间隔概率分布接近DAVIS346实测分布。

结果显示，经过标定的RAW生成事件和RGB生成事件都能近似DAVIS346的部分时间统计特征，但RAW输入在高频区域的分布更接近真实事件。作者将这种差异归因于RAW数据保留的动态范围和ISP处理较少。
![fig6.png](https://developer.qcloudimg.com/http-save/yehe-8628718/9e594f53c0acb5d4e10c8b76a90ce4ab.png)
## 4. 自动对焦实验说明了什么

论文还设计了一个对焦变化实验。研究人员改变显示图像与相机之间的距离，使DAVIS346出现失焦，而树莓派相机通过内置自动对焦保持较清晰的图像。

失焦会削弱空间亮度梯度，使真实DAVIS346产生的事件边缘质量下降。树莓派相机保持对焦后，由RAW和RGB数据生成的事件仍具有较清晰边界。

这项实验说明，成熟帧相机的自动对焦能力可以为低成本原型带来便利。但它不是对真实事件相机与模拟方案的同条件性能排名，因为实验中特意让一台设备失焦、另一台设备保持对焦。

对于严谨对比，更合理的做法是分别比较两类系统在最佳对焦状态、相同视场和相近入射光条件下的表现。
![focus_crop_frame.png](https://developer.qcloudimg.com/http-save/yehe-8628718/d2375709646cee43d29ba1fb33cde68a.png)
![focus_time_stack_heatmap.png](https://developer.qcloudimg.com/http-save/yehe-8628718/802ddab8e1c69856facbff3e0e4e2467.png)
## 5. 参数越敏感，事件越真实吗

论文逐项改变模型参数，观察事件密度和时空分布。其中，灵敏度相关参数对结果影响很大。较高灵敏度会让弱纹理区域也产生大量事件；较低灵敏度则使事件主要集中在高对比边缘。

噪声和漏电参数增大后，静止背景及亮区会出现更多事件，尤其可能产生过多正极性事件。作者特别指出，噪声增加后形成的“清晰”边缘不一定代表检测能力提高，也可能只是阈值被间接降低，导致接近静止的区域大量触发。

这对真实事件相机调参同样具有启发：事件图更密、更亮，不代表数据质量更高。应通过下游检测、跟踪或光流指标评价，而不能只观察可视化效果。
![heatmap_grid_plot_inv.png](https://developer.qcloudimg.com/http-save/yehe-8628718/94e798b72479d6a11b0697427715298d.png)
![event_point_clouds.jpg](https://developer.qcloudimg.com/http-save/yehe-8628718/3718905aeb363e35baf8541f67e3f068.jpg)
## 6. 树莓派上的实时性能达到什么水平

在与DAVIS346接近的346×260处理分辨率下，论文报告的NumPy实现性能为：

- Raspberry Pi 4约10 FPS；
- Raspberry Pi 5约33 FPS；
- 使用RTX 4070 Ti Super进行离线GPU处理时，实验中最高约80 FPS。

这些数字证明Raw2Event能够在通用嵌入式平台上进行实时或接近实时的帧转事件处理。

但这里的FPS是RAW帧输入和转换管线的处理频率，不是事件传感器的原生事件时间分辨率。若输入为33 FPS，相邻真实曝光之间约相隔30 ms。算法可以在帧之间为生成事件分配时间戳，却无法恢复帧采样期间从未被相机观测到的任意高速亮度轨迹。

因此，Raw2Event适合低成本原型、数据生成和算法初步开发，但不能把33 FPS帧相机解释成具有微秒级物理采样能力的真实事件传感器。

## 7. Raw2Event不能替代真实事件相机的地方

第一，真实事件相机的像素异步工作，不必等待下一帧。Raw2Event的源信息仍来自离散曝光帧，其时间上限受到输入帧率、曝光和读出方式限制。

第二，普通相机仍可能产生运动模糊。如果原始帧中的高速边缘已经模糊，后续转换无法完全恢复真实事件相机可能观测到的细粒度轨迹。

第三，RAW相机的动态范围可能优于经过ISP和压缩的RGB流，但不等于达到专用事件传感器的动态范围。论文的HDR实验主要是定性比较，未给出对所有照度条件的统一传感器级测量。

第四，模拟模型只能近似选定真实设备和采集条件。DAVIS346标定参数不应自动视为DVXplorer、Prophesee EVK4-HD、EVK5-HD或GenX320的准确物理模型。

第五，模拟事件与真实事件之间仍存在sim-to-real差异。像素阈值不一致、光子噪声、电路带宽、温度和复杂光照响应很难被有限参数完全覆盖。

## 8. 它最适合哪些事件视觉工作

Raw2Event适合以下用途：

- 在购买专用硬件前验证事件算法的数据接口和基本流程；
- 把自定义RAW帧场景转换成可调节事件数据；
- 研究事件灵敏度、噪声和漏电对下游算法的影响；
- 快速构建分类、检测或教学数据集；
- 在树莓派上验证低成本事件驱动原型；
- 同时保存RAW、RGB和模拟事件，研究不同视觉表示。

如果任务涉及高速闭环控制、精密事件光流、微秒级同步、极端动态范围或传感器噪声建模，仍应使用真实事件相机进行最终验证。DAVIS346适合帧事件同步研究，DVXplorer适合VGA纯事件感知，Prophesee高清和GenX320平台则对应其他分辨率及嵌入式路线。

## 9. 这篇论文带来的真正启示

Raw2Event最有价值的部分，不是宣称普通相机已经替代事件相机，而是把RAW采集、模型转换、真实设备标定、同步数据集和嵌入式部署组成了一条完整管线。

它说明在早期开发阶段，RAW帧相机可以成为进入事件视觉的一种低成本工具；同时也提醒开发者，生成事件是否可信，取决于输入数据是否保留原始亮度、模型是否经过真实传感器校准，以及评价是否覆盖时间分布和噪声行为。

模拟事件适合降低起步门槛，真实事件相机则用于验证异步传感带来的时间、动态范围和物理响应优势。将两者视为互补工具，比简单讨论谁能替代谁更符合工程实际。


事件相机具有高时间分辨率、低延迟和较高动态范围，但专用硬件的成本、分辨率以及部分设备缺少自动对焦等因素，会提高早期研究和原型验证的门槛。

再度事件相机：如何把普通RAW相机变成“事件相机”？从DAVIS346标定看模拟事件的价值与边界

2025年9月发布的预印本《Raw2Event: Converting Raw Frame Camera into Event Camera》提出了一套从低成本RAW帧相机实时生成事件流的软硬件系统。该方法绕过传统ISP，直接处理RAW Bayer数据，并借助DVS-Voltmeter模型及DAVIS346实测事件完成参数标定。本文解读Raw2Event的系统设计、同步采集、噪声控制和树莓派实时性

技术销售工程师

人工智能

硬件

开发工具

Raw2Event利用低成本RAW帧相机在树莓派上实时生成模拟事件流，通过DAVIS346标定提升统计真实性。相比RGB输入，RAW保留亮度细节，适合低成本原型验证，但无法替代真实事件相机的高速异步采样能力。适用于算法开发、数据生成和教学场景，需结合真实传感器进行最终验证。

数据接口

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

再度事件相机：如何把普通RAW相机变成“事件相机”？从DAVIS346标定看模拟事件的价值与边界-腾讯云开发者社区-腾讯云

再度事件相机：如何把普通RAW相机变成“事件相机”？从DAVIS346标定看模拟事件的价值与边界

再度事件相机：如何把普通RAW相机变成“事件相机”？从DAVIS346标定看模拟事件的价值与边界

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐