基于事件的单步高速自动对焦

极端场景下的高速自动对焦仍是重要挑战。传统方法依赖于在焦点位置周围的重复采样，导致“焦点捕获”（focus hunting）。事件驱动方法已推进对焦速度并在低光条件下提升性能；然而，当前方法仍需至少一轮耗时的“焦点捕获”，涉及完整收集焦点堆栈。我们提出事件拉普拉斯乘积（ELP）焦点检测函数，将事件数据与灰度拉普拉斯信息相结合，重新定义焦点搜索为检测任务。此创新实现了首个基于事件的单步自动对焦，将对焦时间缩短最高可达三分之二，减少 DAVIS346 数据集上的对焦误差达 24 倍，EVK4 数据集上减少 22 倍。此外，我们针对仅使用事件相机的自动对焦管线进行了优化，实现了在各种具备挑战性运动和光照条件下的准确对焦。所有数据集和代码将公开 disponible。