metavision预处理函数

metavision预处理函数

三种预处理函数

histo

双通道

参数

1. xypt: event结构化数组(一般会分段读取，分段为delta_t)

2. output_array: 输出保存数组(reset参数可以直接重置归0)

   一般output_array为(tbins, 2, height, width)

3. total_bins_delta_t: \(\Delta t\)，分段时间长度，是加载时的delta_t

4. max_incr_per_pixel: 用于限制数据点值的增加量

5. downsampling_factor: 降采样因子

输出(tbins, 2, height, width)中的2分别是 负极和正极 的k累计值(\(k*极变化次数\))
其中k是固定的，\(k*极变化次数 \leq 1\)

函数解释

\[H(\left \lfloor{\frac{t}{\Delta}}\right \rfloor , p, y, x) = H(\left \lfloor{\frac{t}{\Delta}}\right \rfloor, p, y, x) + 1 \]

这其中的$\Delta$是分段读取的时间长度  

value仅和max_incr_per_pixel与downsampling_factor有关，与时间无关

\[D(t, p, y, x) = H(t, 1, y,x) - H(t, 0, y,x) ,\text{ for } x,y,t \in [0; Width]\times [0; Height] \times [0; \Delta] \]

diff函数

viz_histo可视化函数

输入是形为(2, H, W)的np array
得到的是 正极-负极 k累计和 的可视图，颜色越深代表该像素 正极-负极k累计和 越大(段时间)，越浅代表越小

viz_diff可视化函数

输入是形为(H, W)的np array

diff

单通道

与极性相关，正极+k，负极-k，得到的是 正极+负极 的k累计值

timesurface

value是bin内相对时间，一个bin内时间越后，value越大

函数解释

\[TS(p, y, x) = t - t_0 \text{ for each event } (x, y, p, t) \text{ in the event batch } \]

输出(tbins, 2, height, width)中的2分别是 负极和正极 的value

Event Cube

从本质上讲，事件立方算法是将每个事件的值分配到两个最近的时间箱内。

参数

output_array: 形为(num_tbins,num_utbins*2,H,W)
num_utbins为微时间箱数量(时间箱的进一步划分，会自适应参数split_polarity)

split_polarity: 是否划分极

viz_event_cube_rgb可视化函数

取3个rgb块，如果split_polarity=True，取前6个时间箱重塑成(3, 2, ...)，调用viz_histo;如果为split_polarity=False，取前3个时间箱重塑成(3, 1, ...)，调用viz_diff，塑成rgb。