最近听闻有智驾公司开始研究用事件相机作为核心传感器，以替代目前普遍使用的RGB相机。那么事件相机是什么？跟现有的传感器有哪些优势？这篇文章会简单解答到这两个核心问题。

事件相机是模仿生物视觉系统的一种新型视觉感知传感器，只对场景中的变化作出响应，工作原理和传统的CCD和CMOS图像传感器有本质的区别。传统的CCD和CMOS图像传感器是一定的帧率，获取画面中完整的图像帧，比如30fps的视频画面，相当于是每秒给当前的场景按照时间顺序拍摄30张照片，从而组成一段视频。

而事件相机是采用异步工作模式，每个像素独立监测亮度变化。当某个像素的对数亮度变化足够大，超过预设阈值时，该像素会立即生成一个“事件”并输出。

这里输出的“事件”中，包含三个关键信息：精确时间戳（微秒级精度）、像素坐标（x,y位置）、极性信息（亮度变化的方向，亮度增加“+”或减少“-”）。

这种工作方式类似于人类视网膜的神经节细胞，也就是只传递场景中的变化信息，而不是全部视觉内容。事件相机的数据输出形式是“事件流”，不是传统的图像帧，这使其在处理动态场景时具有独特优势。

所以，这种优势在自动驾驶等场景就凸显出来了。具体来说，相比传统的相机，事件相机微秒级的响应能力可以捕抓超高速运动信息，可以实现无拖影、清晰的动态轨迹。而传统相机因为受到帧率限制，每一帧的曝光时间实际上是受限的，当曝光时间过短，在拍摄高速运动物体时就很容易出现模糊。

在动态范围方面，事件相机具备对数响应特性，即传感器输出信号与光强的对数成正比，这也意味着事件相机拥有人眼般的动态范围能力，可以达到120dB-140dB，在极端光照条件下可以保持稳定工作。

另外，在功耗和数据量上，事件相机更是适应视觉AI需求。首先功耗可以低至传统相机的十分之一，在数据量上，由于不需要完整输出高帧率的图像，在传统相机输出数据量为10MB/s的情况下，事件相机可能只要不到100KB/s，静态场景下，甚至几乎不会产生数据。

对于视觉AI而言，更低的数据处理量，能够带来更高效和更快响应的计算，显然这项技术应用到自动驾驶中，可能会令算力需求大幅降低，或是能够以更低算力实现L4级别无人驾驶。

不过，目前来看事件相机的开发生态和应用、产品都还不成熟。一方面是事件相机输出的事件流数据格式特殊，需要专门设计的算法进行处理，但目前事件相机的开发工具链、软件库和算法生态仍处于早期阶段，要真正投入大规模应用还需要产业链的共同推进。

目前，事件相机厂商主要有Prophesee、iniVation、索尼、视美泰、锐思智芯、DVSense、辛米尔等，应用场景主要在工业检测、监控等领域。

事件相机作为仿生视觉的里程碑式创新，正在突破传统成像技术的物理极限。随着算法优化、硬件融合与成本下降，这一技术将从实验室走向广阔的商业化应用，为机器人、自动驾驶等领域赋予革命性的感知能力。