面向稀疏事件点的时空聚类小目标检测方法技术

本发明专利技术公开了一种面向稀疏事件点的时空聚类小目标检测方法，对事件相机拍摄的原始数据进行预处理，获得预处理后的事件数据；遍历所述事件数据中的所有事件点，为每一个事件点赋予一个权重值，并按照权重值大小，对所有事件点进行降序排列；将排序靠后的M％的事件点的平均权重作为聚类阈值，根据所述聚类阈值对所述事件数据进行最近邻聚类，得到初步检测结果；对所述初步检测结果进行点云滤波，得到最终的检测结果。本发明专利技术能够直接在事件数据中提取小目标特征进行检测，在静态背景下，可以有效滤除由热噪声触发的事件点杂波以及由大型物体运动产生的干扰事件点，检测精度高。检测精度高。检测精度高。

【技术实现步骤摘要】
面向稀疏事件点的时空聚类小目标检测方法


[0001]本专利技术涉及点云中小目标检测技术，特别是一种面向稀疏事件点的时空聚类小目标检测方法。

技术介绍

[0002]现有技术通过将事件相机数据重建为强度图像进行检测小目标，虽然这一方法取得了一定的成功，但重建强度图像的方法损失了事件相机在时间分辨率上的优势。此外，还有一些技术通过对事件相机数据进行投影以适应基于图像的检测方法来完成目标检测，但这类技术主要利用了事件数据的边缘信息而非时空信息，在检测中会出现因缺少时空信息而漏检的情况。
[0003]大多数使用事件相机进行目标检测的技术应用卷积神经网络方法，使用大量标记好的数据来训练网络模型，以提取事件相机数据的时间及空间特征。但由于事件数据集的缺乏且计算需求较大，这类技术的通常需要大量的准备工作。近几年，使用脉冲神经网络处理事件数据进行目标检测的方法在降低了计算量的同时在提取时间特征上取得了一定的成功，但目前公开的用于目标检测领域的稀疏事件点的数据集很少，且体量不足，没有用于小目标检测的公开数据集，现有技术仍未能解决数据集缺乏的问题。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向稀疏事件点的时空聚类小目标检测方法，其特征在于，包括以下步骤：对事件相机拍摄的原始数据进行预处理，获得预处理后的事件数据；遍历所述事件数据中的所有事件点，为每一个事件点赋予一个权重值，并按照权重值大小，对所有事件点进行降序排列；将排序靠后的M％的事件点的平均权重作为聚类阈值，根据所述聚类阈值对所述事件数据进行最近邻聚类，得到初步检测结果；对所述初步检测结果进行点云滤波，得到最终的检测结果。2.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对事件相机拍摄的原始数据进行预处理，获得预处理后的事件数据的具体实现过程包括：去除原始数据中四维事件点坐标Z
i
＝(x,y,t,p)的极性p，对去除极性后的事件点坐标进行下采样，得到三维时空点云数据[x,y,t]
T
×
N，所述三维时空点云数据即预处理后的事件数据；(x,y)为成像像元的二维位置坐标，t为成像时刻，N为原始数据中事件点的个数。3.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对事件相机拍摄的原始数据进行预处理的实现过程包括：对所述原始数据进行下采样操作。4.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对所述事件数据进行切片，得到多个数据段，为各数据段中的每一个事件点赋予一个权重值；按照权重值大小，对所有数据段的事件点进行降序排列。5.根据权利要求1或4所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，任一事件点a的权重值W
a<...

【专利技术属性】
技术研发人员：李淼，安玮，盛卫东，林再平，曾瑶源，邓新蒲，安成锦，孙哲政，王龙光，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：