基于事件的重建方法用于扑动旗帜时变中心线变形

高速成像是实验研究快速现象（如扑动旗帜）的核心手段。事件相机采用新型传感器，相比传统基于帧的快速相机，能更高效且以更低成本应对典型挑战，如低照度条件、大数据传输以及提高重复频率与延长测量时长之间的权衡。事件相机输出的非结构化数据是帧式算法无法处理的。本文提出了一种通用方法，从原始事件数据流中重建细长物体（类似于扑动旗帜的中心线）的运动。该方法利用连续照明，重建更新率在数据采集之后设定且与之独立。我们的算法依赖于一个粗略的链状结构，该结构编码了线的当前状态，并通过新事件的发生进行更新。将该算法应用于由已知运动生成的合成数据，结果表明，对于基于尖端、基于形状和模态分解的度量指标，该方法的误差精确度高达百分之一。仅当模拟缺陷的严重程度比我们在实验中通常遇到的高出两个数量级以上时，重建精度才会下降。随后将该算法应用于扑动旗帜的实验数据，与激光距离传感器的结果相比，我们获得了低于百分之一的相对误差。基于事件数据的线变形重建准确且鲁棒，为在实验力学中进行自主测量解锁了能力。