픽셀의 변화를 시간 정보로 읽는 DVS Event Vision
DVS(Dynamic Vision Sensor)는 일정 주기의 전체 이미지를 반복 생성하는 방식과 달리, 각 픽셀에서 발생하는 밝기 변화만을 비동기 이벤트로 출력합니다.
로보윙크의 DVS Event Vision 연구는 센서 이벤트의 취득·보정·노이즈 제거·시공간 표현·특징 추출까지를 하나의 처리체인으로 구성하여, 후단 AI가 활용할 수 있는 안정적인 이벤트 데이터를 만드는 데 초점을 둡니다.
각 픽셀은 밝기 변화를 독립적으로 감지하고, 변화량이 임계값을 넘는 순간 위치·시간·극성 정보를 가진 이벤트를 생성합니다.
픽셀 단위로 밝기 변화량을 연속적으로 감지합니다.
변화가 임계값을 넘으면 ON 또는 OFF 이벤트가 발생합니다.
각 이벤트에 발생 위치와 시간 정보가 함께 기록됩니다.
프레임 대신 시간순으로 정렬된 비동기 이벤트 스트림을 형성합니다.
원시 이벤트 스트림을 목적에 따라 다양한 시공간 표현으로 변환하여 특징 추출과 학습 입력에 활용합니다.
각 이벤트의 위치, 시간, 밝기 변화 방향을 원시 형태로 유지합니다.
(x, y, t, p)최근 이벤트 발생 시각을 공간에 투영하여 움직임의 시간적 구조를 표현합니다.
S(x,y)=exp(-(t-now)/τ)짧은 시간 구간의 이벤트를 누적하여 공간 분포와 변화량을 분석합니다.
Σ Event / Δt시간축을 여러 구간으로 나누어 이벤트를 3차원 형태의 학습 입력으로 변환합니다.
x × y × time-binDVS의 장점은 특정 제품의 단일 성능값보다 데이터가 생성되는 방식 자체에서 출발합니다. 로보윙크는 이러한 특성을 실제 산업 데이터 처리에 활용하는 방법을 연구합니다.
전체 프레임 동기화 없이 각 픽셀이 독립적으로 이벤트를 생성합니다.
움직임 변화가 발생한 시점을 세밀한 시간 정보로 표현할 수 있습니다.
밝기 변화 중심의 센싱을 이용해 조도 차이가 큰 환경의 동적 정보를 다룹니다.
변화가 없는 배경의 반복 출력을 줄이고 필요한 변화 이벤트 중심의 데이터를 생성합니다.
DVS는 RGB 카메라의 대체재라기보다 시간적 변화 정보를 보완하는 센서입니다. 각 방식의 데이터 특성을 이해하고 응용 목적에 맞게 선택하거나 융합하는 것이 중요합니다.
이 페이지의 연구 파이프라인은 SNN 추론이나 제어가 아니라 이벤트 데이터 자체의 품질과 표현을 고도화하는 단계에 집중합니다.
Raw event 취득
센서 편차 보정
배경·고립 이벤트 제거
Timestamp 정규화
시공간 이벤트 그룹화
Time surface / tensor 변환
정량·정성 검증
공개 이벤트 비전 데이터셋을 이용해 알고리즘을 비교·검증하고, 이후 실제 산업현장에서 취득한 이벤트 로그로 환경 적응성과 재현성을 확인합니다.
이동 플랫폼과 다양한 장면의 이벤트 기반 센서 데이터를 활용한 알고리즘 검증에 사용합니다.
주행 환경의 이벤트 데이터와 시간·공간 변화 분석을 위한 비교 데이터로 활용합니다.
이벤트와 영상 정보를 함께 활용할 수 있는 데이터 기반으로 전처리·표현 연구에 활용합니다.
실제 물류·제조 환경에서 취득한 이벤트 로그를 통해 노이즈와 조도·동작 조건의 영향을 확인합니다.
사업분야의 Safety Module과 중복되지 않도록 센서 이벤트 처리와 데이터 표현 자체의 기반기술에 집중합니다.
배경활동·고립 이벤트를 줄여 유효한 이벤트 신호의 품질을 높입니다.
공간과 시간적으로 연관된 이벤트를 묶어 동적 패턴의 구조를 추출합니다.
Time Surface, Event Frame, Voxel 등 목적별 이벤트 표현 방식을 연구합니다.
DVS와 RGB·거리 센서 간 시간·좌표 정합을 위한 기반기술을 연구합니다.
아래 항목은 상용 제품의 확정 성능이 아니라 이벤트 비전 처리체인의 연구개발 목표입니다.
이벤트 데이터 취득, 전처리, 표현 및 센서 융합 연구에 대한 기술협력과 PoC를 검토합니다.