導讀：汽車產業在芯片廠家的推動下進入了算力比拼時代，一場算力競賽已經在各大芯片企業之間悄然興起。殊不知高算力背后是高功耗和低利用率的問題日益突出，算力不可能一直提高。
事件相機的出現憑借自身極快的響應速度、減少無效信息、降低算力和功耗、高動態范圍等優勢對高算力芯片形成致命打擊，它只需要傳統算力芯片1%甚至0.1%的算力就可完美工作，功耗是毫瓦級。可以幫助自動駕駛車輛降低信息處理的復雜度、提高車輛的行駛安全，并能夠在極亮或者極暗環境下正常工作。
一、像素與算力矛盾突出
需要處理的圖像像素過多與芯片算力不足的矛盾，已經成為了當前制約自動駕駛發展的瓶頸之一。
當今自動駕駛領域所運用的視覺識別算法，基本上都基于卷積神經網絡，視覺算法的運算本質上是一次次的卷積運算。這種計算并不復雜，本質上只涉及到加減乘除，也就是一種乘積累加運算。但這種簡單運算在卷積神經網絡中是大量存在的，這就對處理器的性能提出了很高的要求。
以ResNet-152為例，這是一個152層的卷積神經網絡，它處理一張224*224大小的圖像所需的計算量大約是226億次，如果這個網絡要處理一個1080P的30幀的攝像頭，他所需要的算力則高達每秒33萬億次，十分龐大。
以當前典型的百度的無人車為例，計算平臺約為800TOPS，其中1TOPS代表處理器可以每秒鐘進行一萬億次操作。假設一個攝像頭所需要的算力為33TOPS，更遑論無人車動輒配置十余個攝像頭，以及多個激光雷達和毫米波雷達。
為了準確檢測行人并預測其路徑，芯片往往需要多幀處理，至少是10幀，也就是330毫秒。這意味著相關系統可能需要數百毫秒才能實現有效探測，而對于一輛以60公里每小時行進中的車輛來說，330毫秒的時間就能行駛5.61米。如果為了保證足夠的安全，將幀數增加到每秒30幀，圖像數據很可能讓自動駕駛芯片不堪重負。
提高算力固然可以暫時解決問題，同時，算力的提高也伴隨著功耗的提高，但在新能源的大背景下，分配給芯片的能量越多，續航能力就會受到越大的影響。算力與能耗正在逐漸成為自動駕駛發展的一對矛盾。
實際上自動駕駛領域99%的視覺數據在AI處理中是無用的背景。這就好像檢測鬼探頭，變化的區域是很小一部分，但傳統的視覺處理仍然要處理99%的沒有出現變化的背景區域，這不僅浪費了大量的算力，也浪費了時間。亦或者像在沙礫里有顆鉆石，AI芯片和傳統相機需要識別每一顆沙粒，篩選出鉆石，但人類只需要看一眼就能檢測到鉆石，AI芯片和傳統相機耗費的時間是人類的100倍或1000倍。
對于人類來講，在靜止的畫面中注意到運動物體并不難。對于青蛙來說，它甚至只能看到運動的物體，對靜止的背景畫面視而不見。
針對生物這一特性，事件相機的出現，成功解決了自動駕駛中視覺處理的問題。
二、事件相機的工作原理
事件相機（event cameras）是一種生物啟發的視覺傳感器，以完全不同于標準相機的方式工作。事件相機不是以恒定速率輸出強度圖像幀，而是僅輸出局部像素級亮度變化的相關信息。這些像素級亮度變化（稱為事件）超過設定閾值時，事件相機以微秒級分辨率標記時間戳，并輸出異步事件流。
事件相機的靈感來自人眼和動物的視覺，也有人稱之為硅視網膜。生物的視覺只針對有變化的區域才敏感，比如眼前突然掉下來一個物體，那么人眼會忽視背景，會將注意力集中在這個物體上，事件相機就是捕捉事件的產生或者說變化的產生。
在傳統的視覺領域，相機傳回的信息是同步的，所謂同步，就是在某一時刻t，相機會進行曝光，把這一時刻所有的像素填在一個矩陣里回傳，一張照片就誕生了。一張照片上所有的像素都對應著同一時刻。至于視頻，不過是很多幀的圖片，相鄰圖片間的時間間隔可大可小，這便是我們常說的幀率（frame rate），也稱為時延（time latency）。事件相機類似于人類的大腦和眼睛，跳過不相關的背景，直接感知一個場景的核心，創建純事件而非數據。
事件相機的工作機制是，當某個像素所處位置的亮度發生變化達到一定閾值時，相機就會回傳一個上述格式的事件，其中前兩項為事件的像素坐標，第三項為事件發生的時間戳，最后一項取值為極性（polarity）0、1（或者-1、1）,代表亮度是由低到高還是由高到低，也常被稱作Positive or Negative Event，又被稱作On or Off Event。
我們通過下圖的小球實驗可以更直觀地發現：只要小球變化的時刻，就會產生事件流，而小球靜止的時刻，就不會產生事件流。
圖：事件相機與幀相機的輸出信號對比
就這樣，在整個相機視野內，只要有一個像素值變化，就會回傳一個事件，這些所有的事件都是異步發生的（再小的時間間隔也不可能完全同時），所以事件的時間戳均不相同，由于回傳簡單，所以和傳統相機相比，它具有低時延的特性，可以捕獲很短時間間隔內的像素變化，延遲是微秒級的。
三、事件相機的優勢
相對于傳統相機，事件相機還有高幀率、低功耗、高動態范圍等優點：
1）高幀率。實際上，所謂的“幀率”概念，對事件相機是不存在的。事件相機每個感光單元都可以異步的形式記錄像素亮度變化，無需等待傳統相機每秒30次的“曝光”時機。基于沒有曝光的特點，事件相機的輸出頻率可以高達每秒100萬次，遠遠超過每秒30次傳統相機的幀率。
2）低時延。事件相機僅傳輸亮度變化，避免大量冗余數據的傳輸，因此能耗僅用于處理變化的像素。大多數事件相機的功耗約在 10 mW 級，而有部分相機原型的功耗甚至小于10 μW，遠遠低于傳統基于幀的相機。
3）高動態范圍。事件相機的動態范圍高達140 dB，遠遠優于 60 dB 的幀相機。既能在光照條件良好的白天工作，也能在光線較暗的夜晚采集視場中的動態信息。這是由于事件相機每個像素的光感受器以對數方式獨立工作，而非全局快門工作模式。因此，事件相機具有與生物視網膜相似的特性，其像素可以適應非常暗和非常亮的感光刺激。
在拍攝高速物體時傳統相機會發生模糊（由于會有一段曝光時間），而事件相機幾乎不會。再就是真正的高動態范圍，由于事件相機的特質，在光強較強或較弱的環境下（高曝光和低曝光），傳統相機均會“失明”，但像素變化仍然存在，所以事件相機仍能看清眼前的東西。
傳統相機的動態范圍是無法做寬的，因為放大器會有線性范圍，照顧了低照度就無法適應強光，反過來適應了強光就無法顧及低照度。事件相機在目標追蹤、動作識別等領域具備壓倒性優勢，尤其適合自動駕駛領域。
空中一個球的軌跡：
扔一個球，看看兩種相機的軌跡記錄：
事件相機的出現對高算力AI芯片是致命打擊，它只需要傳統高算力AI芯片1%甚至0.1%的算力就可完美工作，功耗是毫瓦級。事件相機基于流水線時間戳方式處理數據，而不是一幀幀地平面處理各個像素。傳統卷積算法可能無用，AI芯片最擅長的乘積累加運算可能沒有用武之地。為了準確檢測行人并預測其路徑，需要多幀處理，至少是10幀，也就是330毫秒。這意味著相關系統可能需要數百毫秒才能實現有效探測，而對于一輛以60公里每小時行進中的車輛來說，330毫秒的時間就能行駛5.61米，而事件相機理論上不超過1毫秒。
四、事件相機的產品分類
當前，市場上主流的事件相機產品主要為三類：DVS、ATIS以及DAVIS，它們都采用了差分型視覺采樣模型。此外，也有一些其它類型的事件相機,比如CeleX、Vidar，但從商業化的進度來看，上述三類事件相機的商業化發展較快。
事件相機產業鏈的情況與傳統幀相機幾乎是相同的，主要包括上游是零部件供應商（鏡頭組零部件、膠合材料、圖像傳感器芯片等）、中游是模組供應商與系統集成商等、下游是主機廠。
產業鏈中的不同之處主要是在圖像傳感器芯片、算法軟件，比如更適合事件相機的芯片是類腦芯片、更適合的算法則是脈沖神經網絡。
第三代神經網絡助力大規模應用
事件相機目前之所以沒有大規模應用在自動駕駛領域，歸根結底受限于神經網絡算法。實際上，相機獲取信息僅僅是第一步，后續事件相機信息的處理則是更為關鍵的一環。
如下圖所示，傳統相機的輸出是一幀幀的靜止圖片，而事件相機則是一個個事件（Event）流。
一般來說，目前的神經網絡都專注于如何提取每幀靜止圖片中的行人、汽車等目標，如YOLO，resnet等算法。針對基于時間戳的事件流，目前尚無有效的算法進行目標識別。而事件流處理算法的缺失，與當前的神經網絡結構是分不開的。
當前主流的神經網絡被稱為第二代人工神經網絡，以精確的浮點運算為基礎，缺失了在自然界中最重要的一個因素：時間。對于神經網絡而言，輸出的結果會和輸入一一對應，任何時候輸入相同的圖片，神經網絡都會輸出一樣的結果。
然而真實的大腦，是以這種浮點運算為基礎的嗎？顯然不是，真實的大腦是以脈沖為基礎的，以脈沖傳遞和處理信息。
這種以脈沖傳遞為基礎的神經網絡是脈沖神經網絡（spiking neural network，SNN），被譽為第三代人工神經網絡?；诿}沖神經網絡結構設計的芯片也被稱為類腦芯片。脈沖發生的時刻攜帶著重要信息，脈沖神經網絡天然具備對時序信息處理的能力，這與事件相機基于時間戳的事件流輸出十分吻合。
此外，脈沖神經網絡還具有事件驅動、異步運算、極低功耗等特性。
1）事件驅動。在我們的大腦中，同一時刻大約有90%以上的神經元都是沉默的。也就是說，當沒有事件輸入的時候神經元是不活動的。這與事件相機的事件流輸出十分契合，同時功耗也極大降低。
2）異步運算。脈沖神經網絡不存在“主頻”的概念。傳統的計算機都需要一個時鐘，以確保所有的操作都在時間步上進行，這個時鐘的頻率被稱為主頻。目前主流的計算機主頻都達到每秒1GHz以上。然而，以IBM的神經態硬件TrueNorth為例，100Hz左右的脈沖發放率即可完成圖像識別、目標檢測等任務。當前通用的計算機基本是馮·諾依曼結構，這種結構下，隨著CPU的運算速度遠遠超過內存的存取速度，已然形成難以逾越的計算瓶頸。然而，脈沖神經網絡所有的內存和運算都體現在神經元的異步脈沖之中，有很大希望突破目前計算機運算能力瓶頸。
3）極低功耗。在2016年著名的人機圍棋大戰中，Google公司的AlphaGo系統每局圍棋博弈的平均耗電費用高達3000美元。而作為脈沖神經網絡架構的人腦，功率僅僅為20W左右。此前，有學者將目標檢測中的經典算法YOLO進行脈沖化，在完成相同任務的情況下，功耗降低了280倍左右，同時速度提高了2.3到4倍。
總的來說，事件相機和脈沖神經網絡的結合，正如人類用眼睛和大腦觀察四周：自動忽略周圍靜止的事物，對突然出現的運動物體予以重點關注和運算。
總結
匹茲堡大學眼科教授、CMU機器人研究所兼職教授Ryad Benosman作為基于事件的視覺技術的奠基人之一，他認為：預計神經形態視覺（基于事件相機的計算機視覺）是計算機視覺的下一個方向。
基于圖像相機的計算機視覺技術是非常低效的。Benosman將其比作中世紀城堡的防御系統：駐守在城墻周圍的士兵從各個方向注視著接近的敵人。鼓手打著穩定的節拍，每敲一下，每個守衛就會大聲喊出他們所看到的東西。在所有的呼喊聲中，聽到一個守衛在遠處森林邊緣發現敵人發出的聲音會有多容易？
21世紀相當于鼓點的硬件是電子時鐘信號，而衛兵是像素，每一個時鐘周期都會產生一大批數據并必須進行檢查，這意味著有大量的冗余信息和大量不必要的計算需要。
進入神經形態視覺。其基本理念是受生物系統工作方式的啟發，檢測場景動態的變化，而不是連續分析整個場景。在城堡比喻中，這將意味著讓守衛保持安靜，直到他們看到感興趣的東西，然后喊出他們的位置，發出警報。在電子版本中，這意味著讓單個像素決定它們是否看到了相關的東西。
Benosman教授說：像素可以自己決定他們應該發送什么信息，而不是獲取系統信息，他們可以尋找有意義的信息，即特征。這就是與眾不同之處。與固定頻率的系統采集相比，這種基于事件的方法可以節省大量的功耗，并減少延遲。
現在的AI本質上還是一種蠻力計算，依靠海量數據和海量算力，對數據集和算力的需求不斷增加，這顯然離初衷越來越遠，文明的每一次進步都帶來效率的極大提高，唯有效率的提高才是進步，而依賴海量數據和海量算力的AI效率越來越低。
當前學術界已經掀起了對脈沖神經網絡研究的熱潮，隨著人們對大腦認識的深入，以及國外的TrueNorth、SpiNNaker、Loihi和國內清華的天機芯（Tianjic）和浙大的達爾文等類腦芯片的研發。
小編堅信：事件相機與脈沖神經網絡的完美結合在目標追蹤、動作識別等領域具備壓倒性優勢，給自動駕駛行業帶來新的突破。
來源：技術大院
