基于事件相机的极低延迟目标轮廓提取与高速视觉信号处理芯片架构设计.docxVIP

PAGE2

基于事件相机的极低延迟目标轮廓提取与高速视觉信号处理芯片架构设计

摘要

传统帧式相机受限于曝光机制，在高速与高动态范围场景下存在严重延迟与信息冗余。事件相机以其异步触发、微秒级时间分辨率与超高动态范围特性，为极低延迟视觉感知提供了新范式。然而，海量异步事件流缺乏专用处理架构，导致后端处理延迟骤增。本课题旨在设计一款面向事件流的极低延迟目标轮廓提取算法与高速视觉信号处理芯片架构，实现微秒级超高动态范围视觉感知。

论文首先分析了高速视觉感知的现实痛点与事件相机处理瓶颈。其次，提出基于时空滤波与脉冲神经网络（SNN）的事件流高速轮廓提取算法，有效滤除噪声并精准勾勒目标边缘。进而，设计异步视觉信号处理芯片架构，采用事件驱动流水线与并行处理单元，突破传统冯·诺依曼架构的时钟同步限制。随后，完成芯片各模块逻辑实现与验证。最后，通过FPGA原型测试，系统端到端延迟低于10微秒，动态范围超过120dB。

本设计的核心创新在于：将SNN轮廓提取算法与异步硬件架构深度融合，实现了算法与架构的协同优化，为高速机器人视觉与自动驾驶提供了微秒级响应的底层硬件支撑。

第一章绪论

1.1研究背景

在自动驾驶、高速机器人抓取与无人机避障等前沿应用中，视觉感知系统对延迟与动态范围的要求日益严苛。传统帧式相机基于固定帧率曝光机制，存在固有缺陷。在高速运动场景下，帧间延迟极易导致运动模糊与信息丢失