Event-based multi-view photogrammetry for high-dynamic, high-velocity target measurement
作者: Taihang Lei, Banglei Guan, Minzu Liang, Xiangyu Li, Jianbing Liu, Jing Tao, Yang Shang, Qifeng Yu
分类: cs.CV
发布日期: 2025-05-31
备注: 9 pages, 9 figures, 1 table. This paper was accepted by Acta Mechanica Sinica (Date:30.May 2025)
DOI: 10.1007/s10409-025-25314-x
💡 一句话要点
提出基于事件相机的多视图摄影测量方法，用于高动态高速目标测量。
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 事件相机 多视图摄影测量 高速运动目标 运动估计 轨迹重建
📋 核心要点
- 现有高速运动目标测量方法存在动态范围窄、观测不连续、成本高等问题，难以满足武器系统验证和精密制造等需求。
- 利用事件相机高时间分辨率特性，提取目标前沿特征，并结合重投影误差和速度衰减模型，实现精确运动测量。
- 在轻气炮碎片测试中，该方法与电磁测速仪相比，测量偏差仅为4.47%，验证了其在高动态高速目标测量中的有效性。
📝 摘要（中文）
本文提出了一种基于事件相机的多视图摄影测量系统，旨在解决高动态、高速目标运动的机械性能表征问题。该问题在工业界至关重要，为验证武器系统和精密制造工艺等提供关键数据。然而，现有的测量方法面临动态范围有限、观测不连续和成本高等挑战。本文方法利用事件时空分布的单调性提取目标前沿特征，消除了运动测量中常见的拖尾效应。然后，使用重投影误差将事件与目标轨迹相关联，提供比传统交汇方法更多的数据。最后，采用目标速度衰减模型拟合数据，通过多视图数据联合计算实现精确的运动测量。在轻气炮碎片测试中，与电磁测速仪相比，该方法的测量偏差为4.47%。
🔬 方法详解
问题定义：论文旨在解决高动态、高速运动目标的精确测量问题。现有方法，如高速相机，受限于帧率和曝光时间，在高动态场景下容易出现运动模糊和数据缺失，导致测量精度下降。此外，传统方法成本较高，难以大规模应用。
核心思路：论文利用事件相机的高时间分辨率和高动态范围特性，捕捉目标运动产生的事件流。通过分析事件流的时空分布，提取目标的前沿特征，从而避免运动模糊的影响。结合多视图几何约束和目标运动模型，实现对目标运动轨迹的精确重建。
技术框架：该方法主要包含以下几个阶段：1) 事件数据采集：使用多台事件相机同步采集目标运动产生的事件流数据。2) 事件特征提取：利用事件的时空单调性，提取目标的前沿特征点。3) 事件关联与轨迹重建：基于重投影误差，将不同视图的事件与目标轨迹进行关联，并利用多视图几何约束进行轨迹重建。4) 运动模型拟合：采用目标速度衰减模型对重建的轨迹进行拟合，提高测量精度。
关键创新：该方法的核心创新在于将事件相机应用于高速运动目标的摄影测量。与传统方法相比，事件相机具有更高的动态范围和时间分辨率，能够有效克服运动模糊和数据缺失的问题。此外，该方法利用事件的时空特性进行特征提取和轨迹重建，避免了传统图像处理中的复杂算法。
关键设计：1) 事件特征提取：利用事件的时空单调性，通过阈值分割和聚类算法提取目标的前沿特征点。2) 重投影误差：使用重投影误差作为事件关联的度量，最小化事件点与其在其他视图中投影点之间的距离。3) 速度衰减模型：采用指数衰减模型描述目标的速度变化，利用最小二乘法对模型参数进行估计。
🖼️ 关键图片
📊 实验亮点
该方法在轻气炮碎片测试中进行了验证，实验结果表明，与传统的电磁测速仪相比，该方法的测量偏差仅为4.47%。这一结果表明，该方法能够有效地提高高速运动目标的测量精度，具有重要的实际应用价值。此外，该方法还具有成本较低、易于部署等优点，使其更具竞争力。
🎯 应用场景
该研究成果可应用于武器系统性能评估、高速碰撞测试、精密制造过程监控等领域。通过精确测量高速运动目标的运动参数，可以为相关领域的科学研究和工程实践提供重要的数据支持，例如，可以用于评估弹丸的飞行轨迹和速度，优化制造工艺参数，提高产品质量。
📄 摘要（原文）
The characterization of mechanical properties for high-dynamic, high-velocity target motion is essential in industries. It provides crucial data for validating weapon systems and precision manufacturing processes etc. However, existing measurement methods face challenges such as limited dynamic range, discontinuous observations, and high costs. This paper presents a new approach leveraging an event-based multi-view photogrammetric system, which aims to address the aforementioned challenges. First, the monotonicity in the spatiotemporal distribution of events is leveraged to extract the target's leading-edge features, eliminating the tailing effect that complicates motion measurements. Then, reprojection error is used to associate events with the target's trajectory, providing more data than traditional intersection methods. Finally, a target velocity decay model is employed to fit the data, enabling accurate motion measurements via ours multi-view data joint computation. In a light gas gun fragment test, the proposed method showed a measurement deviation of 4.47% compared to the electromagnetic speedometer.