10000fps的视觉传感器：打开机器视觉的潘多拉魔盒

去年EE Times美国版报道了ISSCC会议上，由Prophesee和索尼联合推出的一款“基于事件的”视觉传感器。当时EE Times称其“在AI感知上开启了潘多拉魔盒”。这款传感器应用于工业设备、机器人、自动驾驶汽车等领域时，能够“更好地看见和感知环境”。

这种基于事件的视觉传感器，其工作方式已经和一般的视觉或图像传感器有了本质上的差别。Prophesee在技术介绍中谈到其视觉系统“可以感知场景的生命力”...“产生的数据量比传统图像传感器减少近千倍，同时实现大于10000fps的更高帧速率”。这些在传统视觉和图像传感技术上，都是难以想象的。

Prophesee（普诺飞思）联合创始人兼CEO Luca Verre

前不久我们与Prophesee（普诺飞思）联合创始人兼CEO Luca Verre先生聊了聊，期望能够从中简单理解这种“基于事件的视觉技术”究竟是怎么回事，以及应用了这种技术的视觉传感器，和传统的图像传感器又有怎样的区别。

硅视网膜：一种动态视觉感知技术

我们所知的常规图像或视觉传感器，以帧为单位来记录动态影像画面。比如电影每秒记录24帧画面，网上很多视频为30fps/60fps，构成视觉上连续的影像；当代高端的视频记录方案，在帧率上已经能够达到480fps/960fps的程度。

从机器视觉的角度来看，这种传统的方案有两个比较大的问题。其一是即便是高帧率，帧与帧之间都仍可能存在重要的未记录信息；其二，对于画面中始终处于静止状态的对象而言，每一帧都可能重复地记录了大量无意义信息——这对后端计算会构成更大的负担，并带来对数据通讯、存储更大的负担。

实际上大约30年前，加州理工学院Carver Mead教授就提出了“神经形态”这个概念。Prophesee主要在做的就是模拟人眼视觉的“神经形态视觉技术（neuralmorphic vision technology）”。Luca Verre表示，直到最近几年，这种技术才逐渐成熟。

Luca Verre形容，Prophesee开发的视觉传感器又叫“硅视网膜（silicon retinas）”。对应的，Prophesee“还开发模拟人类大脑的计算机视觉AI算法”；以及对应的智能套件（包括SDK、代码示例、算法、即用型应用等的视觉工具包）。

之所以说模拟人眼视觉，如Prophesee在发布的一份白皮书中提到：人眼中的感光细胞仅在检测到视觉场景中某些特性（如对比度、亮度）的变化时才反馈给大脑。在进化过程里，相较于反复在意场景中的所有细节，专注于其他掠食者的行动更为重要。研究表明，人类能够从每秒1000次变化率的场景中捕获有价值的信息，这是远高于如今动态影像的帧率的。

“我们重新设计像素，就像视网膜的感光细胞，是独立且异步的。”Luca说，“和人眼视觉原理类似，Prohesee开发的传感器只有在感知到场景变化时才会进行记录，不同于传统图像传感器以固定的时序源（帧时钟）记录图像信息。”

即仅在场景发生变化时，这种基于事件的视觉传感器上的像素才做出反应，场景中静态的部分都不会被捕捉。这应该就是“基于事件”这个词的由来。与此同时，Prophesee在技术介绍中提到：“图像信息不是逐帧发送，而是通过连续的信息流捕获事件信息，并且帧与帧之间没有任何重要信息遗漏。”

Luca表示，基于事件的视觉感知这样的设计，“有三个优势：产生数据量更少；反应速度更快；以及实现更高的动态范围（>120dB）”。这其中的任意一项对于当代机器视觉而言都是相当有价值的，尤其在减少数据量的问题上，对于有限的通信、存储与计算资源显得相当友好（比如以前高帧率和有限的存储资源，始终是个矛盾体）。

最终落地到自动驾驶汽车、人工智能、工业自动化、IoT、医疗等领域，都会成为机器视觉的重要组成部分。有关应用的部分，下文还会详谈。

深入基于事件的视觉传感器

这种基于事件的视觉传感技术，有很多特性实则都是相当值得深究的。比如说如何实现在场景发生变化时，像素才做出反应；以及更重要的，如何理解不是逐帧记录，而是连续信息流捕获事件信息。

首先“基于事件”中所谓的“事件”究竟是怎么定义的。Luca告诉我们，“‘事件’是指，一个像素激活自身并发送事件检测到发生的X、Y坐标和时间戳。”如此看来，这种传感器的像素结构是有探讨余地的。

“我们的传感器每个像素都是独立且异步。其上模拟电路进行level crossing sampling，持续监测光亮的变化，将其与对应的值进行比较，也就是sensitivity threshold（灵敏度阈值）。”

“传感器上每个像素独立接收光子，光电二极管因此产生电流，进行累加之后，像素再持续地将电流的实时电荷电压与参考值做比较。在电压增减达到一定程度时（例如10%），该像素就会发出一个事件。整个过程是μs级别的速度。”Luca解释说。这样一来，“基于事件”这个概念就基本解释清楚了。

从传感器上读出对应像素的数据，“所以我们说这样的传感器等效于实现了10000fps的帧率。其实我们的传感器并不是基于帧的，但传感器所产生事件的时间精度就是1/10或者1/100μs的级别。”这也就解释了为什么Prophesee在技术介绍中提到等效10000fps这样一个帧率。

另外Luca大致谈到了这种传感器的像素结构。“传感器上的像素是智能的，因为每个像素都嵌入了level crossing sampling电路。”其读出过程并不是我们常规理解中，成像系统带卷帘门快门、全局快门这样的设定。“其读出过程就是基于事件的。”Luca说。

“这张图虽说还是偏抽象的，不过大致上就是像素结构。像素中有光电二极管、level crossing sampling电路。每个像素中需要有较多数量的晶体管，20-30个晶体管构建智能电路。”如前所述，光抵达光电二极管后，比较阶段比对当前值和上一次的值。“光亮度变化到一定量时，像素异步读取，并发出事件。”“后续有个仲裁器（arbiter）收集该事件，事件的时间戳亦被读出。”

后端计算平台的适配

不过Luca补充说，读出策略是会根据不同的应用而有差异的。“传感器的时间精度达到了μs级别，也就是前面提到等效能做到10000fps的程度。但具体的精度还是要看应用。”“比如说工业应用对高速有要求，而IoT应用就要求低功耗了。”

“而且时间精度实际上还受到计算平台能力的限制。因为我们的传感器最终需要集成到计算机平台进行数据处理。所以在某些情况下，我们经常需要降低传感器的速度，让它能够平滑地融入到传统计算平台之上。”

“对我们来说，最佳方案应该用基于事件的计算平台，比如像Intel Loihi、Brainchip（Akida）。”Luca表示，“如此一来，就能以高速处理基于事件传感器产生的高速数据了。这也是我们的最终目标。”

这里所说“基于事件的计算平台”，其中相对知名的就是SNN（脉冲神经网络，Spiking Neural Networks）——许多神经形态计算架构都基于SNN。它与基于冯诺依曼体系的传统架构有差别。此前我们也探讨过这种形态的计算架构相比类似CNN这种更传统的网络，前者才更接近“模拟大脑”。在这种计算架构中，计算使用生物神经元的功能模型，而不是数字逻辑。

“由于我们的事件传感器使用相同的信息表示形式（事件=spike），因此神经形态计算平台非常适合Prophesee的传感器。因为它能够内在地利用事件传感器数据的稀疏性和时间性，并以比传统计算架构更有效的方式处理数据。”为此Luca还特别推荐了几篇paper给我们。

“但与此同时，我们的传感器也可与传统平台，例如高通骁龙、NXP IMX8、Xilinx这些并非基于事件的平台协同工作。因此，传感器这一端就需要作出调整。但即便是这些传统平台，也一样能够从我们的传感器上获益，获得相比传统机器视觉系统更大的优势。”

EE Times美国版在报道中就提到Prophesee与索尼合作的视觉传感器每一个像素都是一个神经元（neuron）——这应该能够一定程度形象解释，基于事件的感知和基于事件的计算协作可达成最好的效果。

产品和应用如何落地

Prophesee与索尼合作的这款720p分辨率、基于事件的视觉传感器应该是相对比较知名的了。Luca说这是Prophesee的第四代产品，“现在正与不少客户做测试，主要是针对工业应用和而物联网应用。预计今年年底能够大规模量产。”

这颗传感器的特别之处在于，它用上了索尼BSI（背照式）+3D堆叠工艺。此前我们在探讨索尼CIS的文章中详细介绍过这两种工艺。“这对我们的产品而言还是比较重要的，因为这种基于事件的视觉传感器每个像素都是独立、智能的，每个像素都有许多晶体管。那么藉由BSI和3D堆叠技术，CIS和CMOS就能叠起来，传感器和像素尺寸也得以减少。”

“这张图左边是我们的第三代传感器，像素尺寸为15μm；右边是我们和索尼合作的第四代传感器，像素尺寸4.86μm——这款产品现在由索尼生产，使用了Prophesee的技术。”据说4.86μm是目前基于视觉传感器中最小的像素尺寸了。

除了这款规划中的产品外，Prophesee现已投入使用的传感器还包括：第一代产品为盲人部分视力恢复，法国一家生物电子公司Pixium Vision已经将这款传感器应用到了医疗设备中。这套视觉医疗系统包括一副带微型相机的眼镜，内置了Prophesee的视觉传感器；还包括植入到视神经附近的无线视网膜植入物。视觉传感器将信号发往视网膜植入物，视网膜植入物再将该信号转为很低的电压信号，刺激大脑引起视觉感知。听起来还是颇为黑科技的。

此外，第三代产品也已经量产，主要用于工业应用，“尤其在高速机器视觉领域，比如高速计数、激光焊接监控、震动测量等行业应用。”Luca说，“比如日本的Century Arks、德国的Imago已经将第三代传感器集成到了工业级相机系统中，用于工业自动化应用。而且这一代产品，我们已经开始盈利了。”

我们认为，这种基于事件的视觉传感器实际的应用潜力还会更大。至少在机器视觉领域，由于对通讯、计算、存储的资源需求都显著更低，替代传统视觉或图像传感方案显得顺理成章。Luca也谈到，“我相信在机器视觉领域，Prophesee的技术是可以替代传统基于帧的技术的。”

进驻中国市场

作为全球最大的移动设备、半导体产品消费市场，中国自然是诸多电子科技企业都不愿错过的地方。Prophesee作为2014年在巴黎开办的一家企业，除了位于巴黎的总部，如今在上海、东京、硅谷都开设了办事处。“虽然目前我们在上海的办事处规模不大，但我们非常期望扩大我们的中国团队及业务。”Luca说。

而预备在中国开拓市场，Luca总结了对Prophesee而言三个重要的原因（及现状）：

“首先，我们认为中国是现在世界上最大的移动设备市场，同时也是世界领先的安防、无人机、机器人以及工业应用市场，因此也会是未来机器视觉应用的最大市场。

“第二个很重要的原因是，我们认为，现在中国在半导体领域有非常强大的生态系统，比如现在在中国最大的图像传感器方面的半导体公司，豪威科技。近年来，中国在晶圆代工厂方面的投资也越来越多，例如中芯、台积电等。所以我们认为，如今中国拥有称得上最强大的半导体行业生态系统，能够支撑Prophesee技术的未来发展。

“第三个原因是我们认为如今中国本地政府以及相关金融投资机构，对创新性颠覆技术的支持和投资越来越多，所以我们也坚信这对Prophesee进入中国市场来说是非常好的机会。”

此前，Prophesee已获得了超过6500万美元的融资。现有产品受到包括索尼在内的合作伙伴的青睐表明，在机器视觉、AI领域其市场前景是广阔的。“在人工智能快速发展的今天，特别是在图像视觉领域，融合了AI技术的图像视觉处理对数据带宽、存储功率及计算成本等产生了更高的要求。”Luca说，“我们相信，借助Prophesee的技术，受生物启发的神经形态传感器及AI算法，能够让人工智能及计算机视觉未来效率更高。”

更多有关基于事件的视觉传感技术，我们将在未来《电子工程专辑》杂志的精英访谈中做进一步的探讨。

责编：Yvonne Geng