04 事件处理（去噪）

去噪算法运行在应用层。事件采集本身支持 x86_64 USB、S100/X5 MIPI；具体算法是否能在 ARM 板卡运行，取决于 Algo 组件的交叉编译和依赖，不由 HV Toolkit 自动保证。

任务目标

事件相机即使在静止场景下也会持续产生少量背景活动噪声，与真实运动事件混在一起。去噪判断每个事件是信号还是噪声并丢弃噪声，是几乎所有事件相机算法管线的第一步。本页讲通用接口模式与算法选用。

涉及类与概念

去噪算法都在 Shimeta::Algorithm::Denoise 命名空间下（见 Algo API），统一接口模式：

  1. 构造：传入算法参数；
  2. initialize()：初始化内部状态；
  3. process_events(events)：批量处理，返回去噪后的事件向量；
  4. （部分算法）evaluate(event)：评估单个事件。

7 种去噪算法选用

算法核心思想适用场景算力
DoubleWindowFilter双时间窗统计邻近事件通用入门、低算力低
EventFlowFilter事件流速特征有明确运动的场景中
KhodamoradiDenoiser经典时空邻域离线、对照基线低
YangNoiseFilter时空密度一般运动场景中
TimeSurfaceDenoisor时间表面特征纹理/边缘丰富场景中
ReclusiveEventDenoisor递归时空需要状态连续性中
MultiLayerPerceptronFilter神经网络分类高精度（需 PyTorch / 可选 GPU）高

各算法对应的可运行示例见 示例总览，选型建议见 Hybrid Vision Algo。

单算法处理

以双窗口滤波为例。当前 Algo API 的公开签名仍是 Metavision::EventCD，因此它不是 HV Toolkit v2.0 的原生类型；应用需要在 Shimeta::EventCD 与 Algo 输入类型之间提供自己的转换层。

#include <shimetapi/hv/camera.h>
#include <shimetapi/codec/mipi_raw8_codec.h>
#include <denoise/double_window_filter.h>
#include <metavision/sdk/base/events/event_cd.h>
#include <vector>

Shimeta::Algorithm::Denoise::DoubleWindowFilter dwf(36, 9, 1);
dwf.initialize();

// events 是转换层输出的 Algo 输入事件
std::vector<Metavision::EventCD> events;

auto filtered = dwf.process_events(events);
// filtered 即去噪后的事件

接入 v2.0 相机时，先取得原始字节并用对应 codec 解码，再对每批事件去噪。USB 使用 Evt2Decoder/Evt3Decoder；S100/X5 的 MipiHvs 使用 MipiRaw8Decoder。

// 接入流程示意：convert_to_algo_events 需由应用按 Algo SDK 定义实现
Shimeta::codec::MipiRaw8Decoder dec; // S100/X5；USB 改用 Evt2Decoder
cam.SetFrameCallback([&dwf, &dec](const Shimeta::Frame& frame) {
    std::vector<Shimeta::EventCD> shimeta_events;
    dec.Decode(frame.evs.data, frame.evs.size, shimeta_events);
    // 将 shimeta_events 转换为 Algo API 要求的 Metavision::EventCD
    // convert_to_algo_events 为应用自定义适配函数（此处仅示意）
    std::vector<Metavision::EventCD> events = convert_to_algo_events(shimeta_events);
    auto filtered = dwf.process_events(events);
    // 用 filtered 做后续处理
});

构造参数含义：bufferSize（缓冲长度）、searchRadius（邻域半径）、intThreshold（判定为信号所需的最小邻近事件数）。各算法参数详见 Algo API。

多算法串联

不同算法的强项可以叠加——把前一级的输出作为后一级的输入：

#include <denoise/double_window_filter.h>
#include <denoise/yang_noise_filter.h>

Shimeta::Algorithm::Denoise::DoubleWindowFilter dwf(36, 9, 1);
Shimeta::Algorithm::Denoise::YangNoiseFilter ynf(768, 608, 10000, 1, 2);
dwf.initialize();
ynf.initialize();

std::vector<Metavision::EventCD> events;

auto step1 = dwf.process_events(events);   // 第一级
auto step2 = ynf.process_events(step1);    // 第二级

串联会逐级丢事件

每级都会按自己的准则丢弃部分事件。串联越多保留率越低，需在“干净”与“信息完整”之间权衡，按场景调参。

编译要求

C++17、CMake ≥ 3.16、Metavision SDK、Eigen3；启用 MultiLayerPerceptronFilter 还需 PyTorch C++ 库（cmake -DENABLE_TORCH=ON ..）。详见 Algo API — 编译要求。

进阶