Synergistic Event-SVE Imaging for Quantitative Propellant Combustion Diagnostics

📄 arXiv: 2603.25054v1 📥 PDF

作者: Jing Tao, Taihang Lei, Banglei Guan, Ying Qu, Xudong Na, Likun Ma, Yang Shang, Qifeng Yu

分类: cs.CV

发布日期: 2026-03-26

💡 一句话要点

提出协同Event-SVE成像系统，用于定量推进剂燃烧诊断，解决高动态范围和烟雾遮蔽问题。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 推进剂燃烧诊断 高动态范围成像 事件相机 空间可变曝光 立体视觉 烟雾抑制 三维重建

📋 核心要点

  1. 传统成像方法在高能推进剂燃烧监测中，面临高动态范围、微秒级粒子运动和浓重烟雾带来的饱和、运动模糊和粒子提取不稳定等挑战。
  2. 该论文提出一种协同Event-SVE成像系统，结合SVE相机的HDR成像能力和事件相机的高时间分辨率，克服传统方法的局限性。
  3. 实验结果表明，该系统能够有效抑制烟雾伪影，准确估计粒子大小和分离高度，并捕获传统传感器难以观测的快速瞬变过程。

📝 摘要（中文）

本文提出了一种闭环Event-SVE测量系统，该系统将空间可变曝光(SVE)相机与一对神经形态事件相机相结合，用于实时监测高能推进剂燃烧。SVE分支采用显式的烟雾感知融合策略生成高动态范围(HDR)图像，利用多线索烟雾可能性图将粒子发射与烟雾散射分离，从而生成用于下游分析的校准强度图。HDR图像为事件相机提供绝对强度参考，用于抑制烟雾引起的事件伪影并改善粒子状态判别。基于清理后的事件观测，立体事件3D管线通过特征提取和三角测量估计分离高度和等效粒径（最大校准误差0.56%）。对硼基推进剂的实验表明了多模态等效半径统计。该系统还捕获了传统传感器难以观察到的快速分离瞬变。总体而言，该框架为烟雾遮蔽的高动态范围条件下，微秒级分辨率的3D燃烧测量提供了一条实用且校准一致的途径。

🔬 方法详解

问题定义：高能推进剂燃烧过程具有极高的动态范围，同时伴随着快速的粒子运动和浓重的烟雾，传统相机容易出现饱和、运动模糊等问题，导致无法准确提取粒子信息，难以进行定量分析。现有方法难以同时解决高动态范围、快速运动和烟雾遮蔽带来的挑战。

核心思路：利用空间可变曝光(SVE)相机获取高动态范围图像，并结合神经形态事件相机的高时间分辨率特性，通过信息融合克服各自的局限性。SVE相机提供绝对强度参考，用于校正事件相机的数据，而事件相机则提供高时间分辨率的信息，用于捕捉快速瞬变过程。

技术框架：该系统包含一个SVE相机和一个立体事件相机对。SVE相机分支负责生成HDR图像，并利用烟雾感知融合策略分离粒子发射和烟雾散射，得到校准的强度图。事件相机分支则基于清理后的事件观测，通过立体视觉算法估计分离高度和等效粒径。两个分支的信息相互补充，共同完成燃烧过程的定量分析。

关键创新：该方法的核心创新在于将SVE相机和事件相机的信息进行协同融合，利用SVE相机提供绝对强度参考，校正事件相机的数据，从而抑制烟雾伪影，提高粒子状态判别的准确性。同时，利用事件相机的高时间分辨率特性，捕捉快速瞬变过程，弥补了传统相机的不足。

关键设计：SVE相机采用烟雾感知融合策略，通过多线索烟雾可能性图来区分粒子发射和烟雾散射。立体事件相机采用基于特征提取和三角测量的3D重建方法，估计分离高度和等效粒径。校准误差是评估系统性能的关键指标，论文中最大校准误差为0.56%。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该系统能够有效抑制烟雾伪影，准确估计粒子大小和分离高度，并捕获传统传感器难以观测的快速瞬变过程。对硼基推进剂的实验表明了多模态等效半径统计，最大校准误差为0.56%，验证了该系统在烟雾遮蔽的高动态范围条件下进行微秒级分辨率3D燃烧测量的能力。

🎯 应用场景

该研究成果可应用于推进剂燃烧诊断、发动机性能测试、燃烧过程优化等领域。通过实时监测燃烧过程中的关键参数，可以更好地理解燃烧机理，提高燃烧效率，降低污染物排放，对航空航天、能源等领域具有重要意义。此外，该技术也可推广到其他涉及高动态范围、快速运动和烟雾遮蔽的场景，如工业过程监控、灾害救援等。

📄 摘要（原文）

Real-time monitoring of high-energy propellant combustion is difficult. Extreme high dynamic range (HDR), microsecond-scale particle motion, and heavy smoke often occur together. These conditions drive saturation, motion blur, and unstable particle extraction in conventional imaging. We present a closed-loop Event--SVE measurement system that couples a spatially variant exposure (SVE) camera with a stereo pair of neuromorphic event cameras. The SVE branch produces HDR maps with an explicit smoke-aware fusion strategy. A multi-cue smoke-likelihood map is used to separate particle emission from smoke scattering, yielding calibrated intensity maps for downstream analysis. The resulting HDR maps also provide the absolute-intensity reference missing in event cameras. This reference is used to suppress smoke-driven event artifacts and to improve particle-state discrimination. Based on the cleaned event observations, a stereo event-based 3D pipeline estimates separation height and equivalent particle size through feature extraction and triangulation (maximum calibration error 0.56%). Experiments on boron-based propellants show multimodal equivalent-radius statistics. The system also captures fast separation transients that are difficult to observe with conventional sensors. Overall, the proposed framework provides a practical, calibration-consistent route to microsecond-resolved 3D combustion measurement under smoke-obscured HDR conditions.