重新解释阶跃响应概率曲线以提取事件视觉传感器的基本物理参数

受生物启发的事件视觉传感器（EVS）因其性能优势（包括超低功耗、高动态范围、数据稀疏性和快速时间响应）而日益普及。它们通过像素高效地编码视觉场景中的动态信息，当每个像素的照度水平变化超过用户可选的对比度阈值θ时，像素会自主且异步地响应。由于其独特的传感范式和复杂的模拟像素电路，表征事件视觉传感器（EVS）并非易事。阶跃响应概率曲线（S曲线）已成为测量θ的关键标准测量技术。在这项工作中，我们详细介绍了通过施加适当的刺激和传感器配置来生成准确S曲线的方法，以将二阶效应与被研究的参数解耦。我们使用EVS像素模拟来演示噪声和其他物理约束如何导致测量误差，并开发了两种足够稳健以获得准确估计的技术。然后，我们应用从模拟中得出的最佳实践，为最新一代索尼IMX636生成S曲线，并解释由此产生的曲线族，以纠正先前报告表明θ随照度变化的明显异常结果。此外，我们证明，通过正确解释，可以从一组S曲线中准确推断出暗电流和均方根噪声等基本物理参数，从而为高保真EVS模拟实现更准确的参数化。