037、事件相机与SPAD传感器：非传统成像技术的原理与实战前景
去年夏天，我在一个车载夜视项目里被逼到墙角。客户要求“零光环境”下识别50米外的行人，传统CMOS传感器开到最大增益，画面全是雪花，ISP里的降噪模块跑得冒烟，帧率掉到10fps以下。我翻遍了所有图像传感器选型手册，最后被一个做激光雷达的同事提醒：“你试过SPAD吗？”那是我第一次认真审视非传统成像技术。后来在另一个工业检测项目里，高速运动物体的拖影问题又把我逼到了事件相机这条路上。今天这篇笔记，就聊聊这两个“非主流”但正在走向主流的传感器。
事件相机：只记录变化，不记录静止
传统相机的工作方式，说白了就是“每隔固定时间拍一张照片”。哪怕画面里只有一只蚂蚁在爬，整张640×480的图像也得全部读出、全部处理。这就像你盯着监控屏幕看，画面99%的时间都是静止的走廊，只有偶尔有人经过——但你得一直睁着眼睛。
事件相机完全反着来。它的每个像素独立工作，只在自己检测到亮度变化超过某个阈值时，才输出一个“事件”——包含像素坐标、时间戳和变化极性（变亮还是变暗）。没有变化的时候，像素就“睡觉”，不产生任何数据。
我第一次调事件相机的时候，犯了个低级错误。我把它的输出直接当成普通图像去显示，结果屏幕上只有稀稀拉拉的几个点，完全看不出是什么东西。后来才意识到，事件相机输出的不是“帧”，而是“流”。你需要把这些事件在时间窗口内累积，才能形成可理解的画面。这里踩过坑：时间窗口太短，事件稀疏得像星空；太长，又失去了低延迟的优势。我后来在工业产线检测高速运动的零件时，把窗口设在500微秒左右，效果最好。
事件相机的核心优势是微秒级响应时间和极高的动态范围（140dB以上）。传统相机在高速场景下要么拖影，要么过曝，事件相机却像装了“时间放大镜”。但别被宣传忽悠——它也有硬伤。没有纹理的纯色区域，事件相机就是瞎子；剧烈抖动的场景，事件会多到把带宽撑爆。我在一个无人机避障项目里试过，飞行速度稍快，事件流直接淹没了处理器的接收能力，最后不得不加了一个硬件事件滤波器。
SPAD传感器：单光子级别的“数数”艺术
SPAD（单光子雪崩二极管）传感器的工作原理，听起来像科幻小说里的东西。每个像素就是一个盖革模式下的雪崩光电二极管，只要接收到一个光子，就会触发一次雪崩，产生一个数字脉冲。它不测量光强，而是“数光子”。
我第一次接触SPAD是在那个车载夜视项目里。传统CMOS在0.1lux以下基本歇菜，SPAD却能在几乎全黑的环境下工作。原理很简单：光子数量足够少的时候，传统传感器读出噪声比信号还大，而SPAD直接输出数字信号，没有读出噪声这回事。
但SPAD有个让人头疼的问题——死区时间。每次雪崩之后，像素需要一段时间来“复位”，这段时间内它无法检测新的光子。这意味着在强光下，SPAD会“数不过来”，出现严重的非线性响应。我调试时发现，同一个场景，暗部细节丰富，亮部却一片死白，就是因为亮部光子太多，大部分都被死区时间“吞掉”了。
解决这个问题，我试过两种方案。一种是分时曝光，把一帧分成多个短时间片，每个时间片内只允许一次雪崩，然后累加。另一种是使用多个SPAD像素组成“宏像素”，每个宏像素里多个SPAD轮流工作，减少死区时间的影响。别这样写：直接提高偏置电压来缩短死区时间——那样会大幅增加暗计数，噪声会把你淹没。
SPAD在dToF（直接飞行时间）测距上的表现，才是它真正的杀手锏。每个光子到达的时间戳可以直接测量，精度能达到几十皮秒。我在一个扫地机器人的激光雷达项目里用过SPAD阵列，替代了传统的机械旋转式激光雷达，成本降了80%，体积缩小到原来的十分之一。
实战中的“混搭”思路
真正让我兴奋的，不是事件相机或SPAD单独使用，而是它们与传统传感器的融合。去年我做的一个安防监控原型，就是事件相机+传统CMOS的“双模”系统。事件相机负责检测运动目标，一旦检测到事件密度超过阈值，就触发传统CMOS进行高分辨率抓拍。这样既保证了低功耗（事件相机待机功耗只有几毫瓦），又保留了高分辨率图像用于人脸识别。
SPAD和事件相机也有天然的互补性。SPAD擅长测距和弱光，事件相机擅长高速运动检测。我在一个工业机器人抓取项目中，用SPAD做深度感知，用事件相机做运动轨迹预测，两者数据在时间轴上对齐后，抓取成功率从传统方案的85%提升到了97%。
但“混搭”的代价是系统复杂度爆炸。数据同步就是个噩梦——事件相机的时间戳是微秒级的，SPAD是纳秒级的，传统CMOS是毫秒级的。我最后不得不在FPGA里实现一个统一的时间戳分配器，把所有传感器的数据都打上同一个时钟源的标签。这里踩过坑：直接用软件做时间同步，延迟抖动会把你逼疯。
个人经验性建议
如果你现在想入坑非传统成像，我的建议是：别一上来就想着替代传统传感器。事件相机和SPAD不是万能的，它们有自己擅长的领域。先搞清楚你的应用场景里，传统传感器到底“痛”在哪里——是动态范围不够？是帧率太低？还是弱光性能差？然后针对性地引入非传统传感器作为补充，而不是替代。
学习曲线很陡。事件相机的数据处理完全不是传统图像处理的套路，你需要重新学习事件流处理、时空滤波、事件驱动神经网络这些概念。SPAD的物理特性（死区时间、暗计数、后脉冲）会让你怀疑人生。建议从官方SDK开始，先把demo跑通，再逐步深入底层。
最后，别忽视供应链。非传统传感器目前还是小众市场，供应商就那么几家，价格不透明，交期不稳定。我在一个量产项目里吃过亏——SPAD传感器交期从8周变成了20周，差点把项目搞黄。提前备货，找替代方案，这是过来人的血泪教训。
非传统成像技术正在从实验室走向产线。事件相机在工业检测、自动驾驶、AR/VR领域已经开始落地；SPAD在手机ToF、车载激光雷达、医疗成像领域也渐成主流。五年后，这些技术可能会像今天的CMOS一样普及。但在此之前，你得先学会和它们“对话”。