Asynchronous Event Stream Noise Filtering for High-frequency Structure Deformation Measurement

📄 arXiv: 2512.15055v1 📥 PDF

作者: Yifei Bian, Banglei Guan, Zibin Liu, Ang Su, Shiyao Zhu, Yang Shang, Qifeng Yu

分类: cs.CV

发布日期: 2025-12-17

备注: 13 pages, 12 figures

期刊: Applied Optics, 2024, Vol.63(35): 8936-8943

💡 一句话要点

提出基于事件相机和LED标记的异步事件流噪声滤波方法，用于高频结构形变测量。

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 事件相机 高频形变测量 异步事件流 噪声滤波 LED标记

📋 核心要点

  1. 传统高速相机在高频形变测量中受限于光照条件和设备成本，难以有效应对复杂载荷下大型结构的形变测量。
  2. 利用事件相机和LED标记，通过异步事件流噪声滤波和运动事件区分，实现高精度的高频形变测量。
  3. 实验结果表明，该方法能够准确测量高频平面形变，验证了其在实际应用中的可行性。

📝 摘要（中文）

针对大型结构在高频形变测量中面临的复杂载荷和恶劣光照条件等问题，以及传统高速相机测量方法的高成本限制，本文提出了一种利用事件相机和LED标记测量高频形变的方法。该方法首先基于LED标记闪烁和时空相关性等事件流特征，对观测噪声进行滤波。然后，通过区分运动引起的事件和LED闪烁产生的事件，从事件流中提取LED标记，从而实现高速运动LED标记的提取。最终，通过单目事件相机测量高频平面形变。实验结果验证了该方法在高频平面形变测量中的准确性。

🔬 方法详解

问题定义：论文旨在解决大型结构在高频复杂载荷下的形变测量问题。传统高速相机方法受限于光照条件，且设备成本高昂，难以满足实际需求。因此，需要一种低成本、高精度的方法来测量高频形变。

核心思路：论文的核心思路是利用事件相机对LED标记进行观测，并利用事件相机的高时间分辨率特性，通过分析异步事件流来提取LED标记的运动信息。通过区分运动引起的事件和LED闪烁引起的事件，可以有效地滤除噪声，并准确地提取高速运动的LED标记。

技术框架：该方法主要包含以下几个阶段：1) 基于事件流特征的噪声滤波，利用LED标记闪烁和时空相关性等特征进行噪声抑制；2) 运动事件区分，区分由LED标记运动产生的事件和由LED标记闪烁产生的事件；3) LED标记提取，从事件流中提取高速运动的LED标记；4) 高频平面形变测量，利用单目事件相机测量高频平面形变。

关键创新：该方法最重要的创新点在于利用事件相机的异步事件流特性，结合LED标记，实现了高频形变的精确测量。与传统方法相比，该方法对光照条件不敏感，且成本较低。此外，通过区分运动事件和闪烁事件，有效地提高了LED标记提取的准确性。

关键设计：论文中关键的设计包括：1) 噪声滤波算法，利用事件的时空相关性进行滤波；2) 运动事件区分算法，通过分析事件的局部特征来区分运动事件和闪烁事件；3) LED标记提取算法，基于事件流的聚类和拟合来提取LED标记的位置。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够准确测量高频平面形变，验证了其可行性。具体性能数据未知，但摘要强调了其在高频形变测量中的准确性。与传统方法相比，该方法在光照条件较差的情况下仍能有效工作，且设备成本更低。

🎯 应用场景

该研究成果可应用于桥梁、建筑物等大型结构的健康监测，以及航空航天领域的飞行器结构形变测量。通过实时监测结构的高频形变，可以及时发现潜在的安全隐患，为结构的维护和安全提供保障。此外，该方法还可应用于机器人运动控制、虚拟现实等领域。

📄 摘要（原文）

Large-scale structures suffer high-frequency deformations due to complex loads. However, harsh lighting conditions and high equipment costs limit measurement methods based on traditional high-speed cameras. This paper proposes a method to measure high-frequency deformations by exploiting an event camera and LED markers. Firstly, observation noise is filtered based on the characteristics of the event stream generated by LED markers blinking and spatiotemporal correlation. Then, LED markers are extracted from the event stream after differentiating between motion-induced events and events from LED blinking, which enables the extraction of high-speed moving LED markers. Ultimately, high-frequency planar deformations are measured by a monocular event camera. Experimental results confirm the accuracy of our method in measuring high-frequency planar deformations.