事件相机仿真器模拟事件相机，生成事件数据供不同任务使用。本文简介一款仿真器v2e。
Before v2e
在v2e出现之前，也出现过不少仿真器，从uzh的repo上可以找到：https://github.com/uzh-rpg/event-based_vision_resources#datasets。
比较出名的一个是2017年的Event Camera Dataset[1]附带的仿真器，其根据最基本的事件生成模型进行仿真。
另一个是ESIM[2]，相对于之前的仿真能力强大，仿真技术上的一项改进是将均匀采样改变了自适应采样，使光强变化更快的时候时间采样率更高。见下图右。
左图：[1]的采样原理；[2]ESIM的自适应采样
同时，ESIM由于可以自行设置图片或3D场景进行自定义的相机运动，可以获取包括普通图像、深度图等信息在内的数据，广泛的应用于SLAM、光流估计等任务。可以在ROS运行，使用较为方便。
图：ESIM配置后的和运行结果
About v2e
最后出现了本文的重点v2e[3]。在ESIM和vid2e中，生成机制是事件生成模型，考虑了噪声和对比度阈值的影响，但与实际具有较大差距。v2e相比于前者，增加了更多的功能：暗光仿真、运动模糊、时间延迟等。（以下内容来自本人之前的博客，直接进行了搬运。博客连接点击文末“获取原文”）
v2e的安装与使用（windows）
v2e的完整安装可参考github的repo：https://github.com/SensorsINI/v2e/
本人在windows11 RTX3050笔记本上进行了安装测试，进行整理如下：
1. 安装环境
首先需要安装v2e的运行环境，推荐采用conda安装python3.9的虚拟环境。windows下安装anaconda推荐一个教程：https://zhuanlan.zhihu.com/p/61639212；
之后官方说需要有GPU和CUDA加速，我不清楚没有GPU是否可以，但我觉得哪怕可以仿真也会非常慢，不能忍受，所以还是需要有GPU；
最后安装v2e依赖项：下载v2e后采用pip进行安装依赖项。
2. 数据准备
v2e采用SuperSloMo网络首先对原始视频进行慢放，所以需要下载SuperSloMo的模型，并创建一个input路径将模型放在input路径下备用；
之后需要放待仿真的数据，v2e可以对视频进行仿真，也可以对一组图片进行仿真，只需要给定的是视频文件路径或图片文件夹路径即可自动选择。
3. 运行与参数选择
v2e的参数极其多，毕竟仿真的功能很多，包括DVS的参数（时间戳/像素分辨率、噪声水平、对比度阈值、截止频率等）、SuperSloMo的参数、输入输出参数（可以输出视频、文本、hdf5、aedat等多种格式）等，详见v2e的repo。
4. 使用感受：
v2e的内容虽然非常复杂，但是使用起来较为简单，只需要按照文档把参数设置好就可，而且如果遇到错误在运行时给出的报错信息也非常完整，基本可以根据报错信息快速定位问题原因并解决。
后记
我配置过ESIM和v2e，感觉v2e虽然功能复杂，但使用起来更为方便，开发的较为完善，而ESIM配置过程中印象里踩了不少的坑。v2e的另一个好处就是可以windows下使用，对ubuntu和ros不熟悉的朋友更加友好。当然，最重要的是，v2e的仿真更加科学、真实。所以如果有仿真需求的朋友，可以考虑直接用v2e。
参考文献：
1. E. Mueggler, H. Rebecq, G. Gallego, T. Delbruck, D. Scaramuzza, The Event-Camera Dataset and Simulator: Event-based Data for Pose Estimation, Visual Odometry, and SLAM, Int. J. Robotics Research, 36:2, pp. 142-149, 2017.
2. H. Rebecq, D. Gehrig, D. Scaramuzza, ESIM: an Open Event Camera Simulator, Conf. on Robot Learning (CoRL), 2018.
3. Hu, Y., S.-C., Liu, Delbruck, T., v2e: From Video Frames to Realistic DVS Events, IEEE Conf. Computer Vision and Pattern Recognition Workshops (CVPRW), 2021.