神经形态视觉传感器的硬件、算法与应用：综述

神经形态相机，或事件相机，代表了经典视觉传感方法的转变，它将检测到的瞬时逐像素光照变化编码为异步事件流。与标准相机相比，其新颖之处在于从以固定时间间隔捕获完整图像帧转变为稀疏数据格式，这种格式以其独特的特性在各种应用中提供了潜在的改进。然而，这些优势是以重新发明算法程序或使其适应有效处理新数据格式为代价的。在本综述中，我们沿着三个主要维度系统地审视了神经形态视觉。首先，我们强调了神经形态相机从诞生到最新型号的技术演进和独特的硬件特性。其次，我们回顾了专门为基于事件的数据开发的图像处理算法，涵盖了特征检测、跟踪和光流（这些构成了分析图像元素和变换的基础）以及深度和姿态估计或目标识别（这些解释了更复杂的场景结构和组成部分）的关键工作。这些技术来自经典计算机视觉和现代数据驱动方法，被研究以说明事件相机的应用广度。第三，我们展示了实际应用案例研究，展示了事件相机如何在各种行业和场景中成功使用。最后，我们分析了限制广泛采用的挑战，指出了与标准成像技术相比显著的研究空白，并概述了神经形态视觉提供的有前景的未来方向和机遇。