Rotary Event Dataset (RED)

arXiv2025-04-10 更新2025-04-15 收录

下载链接：

http://arxiv.org/abs/2504.07503v1

下载链接

链接失效反馈

资源简介：

Rotary Event Dataset (RED)是中国科学技术大学研究团队提出的一个真实世界基准数据集。该数据集包含由两个事件相机模型在不同照明和速度预设条件下捕捉的10种虚假二值纹理模式的旋转运动产生的60个事件序列。通过将相机与打印的纹理模式同步，可以获得地面真实照度变化，从而可以一次性评估事件滤波、超分辨率和直接质心跟踪等任务。

提供机构：

中国科学技术大学

创建时间：

2025-04-10

AI搜集汇总

数据集介绍

构建方式

Rotary Event Dataset (RED) 的构建基于高精度运动系统与事件相机的微秒级同步技术，通过旋转磁盘上的10种二元纹理图案在两种光照条件和三种预设速度下采集数据。该系统采用0.003°角精度的旋转编码器，结合打印图案的空间校准和时间同步机制，生成具有纳米级分辨率的真实场景辐照度基准数据。数据集包含DAVIS346和EVK4两种事件相机模型采集的60组事件序列，确保了不同硬件条件下的评估全面性。

特点

RED数据集的核心特点在于其提供了事件相机领域罕见的微秒级地面真实辐照度数据，支持全参考事件信号滤波评估。通过高精度运动控制系统与事件相机的硬件同步（10ns级误差），数据集能够精确反映动态场景的瞬态辐射变化。独特的二元纹理设计避免了复杂辐照度建模，而螺旋形和点阵图案则分别用于模拟径向平移和旋转运动，覆盖了多种运动类型与速度组合，为事件滤波、超分辨率和目标跟踪任务提供了标准化测试平台。

使用方法

该数据集支持三种主要应用范式：事件信号滤波任务可通过比较事件密度体积与真实辐照度变化（NMSE指标）评估算法性能；超分辨率任务利用已知纹理图案的空间特性验证分辨率提升的准确性；直接斑点跟踪则通过积分跟踪误差（ITE）量化运动感知能力。使用时需注意不同事件相机模型（DAVIS346/EVK4）的噪声特性差异，并利用同步脉冲信号对齐事件流与真实辐照度帧序列。下游任务如SLAM和视频重建可通过预处理后的滤波事件提升性能。

背景与挑战

背景概述

Rotary Event Dataset (RED) 是由中国科学技术大学的研究团队于2021年提出的一个真实世界基准数据集，旨在为事件信号滤波提供微秒级地面真实场景辐照度评估。该数据集通过高精度运动系统和微秒级同步电机编码器捕获，包含10种不同的二进制纹理图案在2种光照和3种速度预设条件下的60个事件序列。RED的提出填补了事件信号滤波领域缺乏高质量基准数据集的空白，为事件相机的信号处理算法提供了全面的评估平台。

当前挑战

RED数据集面临的挑战主要包括：1) 事件信号滤波领域问题的挑战，如事件相机固有的随机性导致信号退化，以及如何准确建模事件信号的双重信息编码（极性值和事件间隔）；2) 构建过程中的挑战，包括如何实现微秒级的时间同步精度，以及如何设计高精度的运动系统以生成可靠的地面真实辐照度数据。此外，数据集还需解决不同事件相机模型（如DAVIS346和EVK4）在噪声特性和分辨率上的差异带来的评估难题。

常用场景

经典使用场景

Rotary Event Dataset (RED) 在事件相机信号处理领域具有广泛的应用价值，尤其在事件信号滤波、超分辨率重建和直接事件斑点跟踪等任务中表现突出。该数据集通过高精度运动系统和微秒级同步编码器，提供了真实场景辐照度的地面真实数据，为事件信号滤波算法的评估提供了可靠基准。在事件信号滤波任务中，研究者可利用RED数据集验证算法在去除噪声事件、保留真实运动信息方面的性能。

衍生相关工作

围绕RED数据集已衍生出多项创新性研究工作。在算法层面，Chen等人提出的概率通量估计框架EDFilter成为事件信号滤波的基准方法。数据集还催生了基于神经网络的混合信号处理方法，如Duan等人的NeuroZoom通过RED验证了事件与帧数据的融合优势。在评估体系方面，Ding团队基于RED的评估范式开发了多级事件质量基准E-MLB。这些工作共同推动了事件相机从传感器建模到应用落地的全链条研究。

数据集最近研究