《Sensors》：From Light Pulses to Selective Enhancement: Performance Analysis of Event-Based Object Detection Under Pulsed Automotive Headlight Illumination
Leonard Haensel and
Torsten Bertram
编辑推荐：
为解决夜间自动驾驶对VRU（行人/骑车人）的感知难题，本研究将PWM汽车头灯与事件相机结合，在Euro NCAP标准动态场景下系统评估了频率（200 Hz/976 Hz）、占空比（70%/90%）及光分布对检测性能的影响。结果显示，特定参数组合可显著提升AP值，但需针对目标反射特性进行差异化优化，为主动照明感知系统提供了关键设计依据。
当车灯学会“眨眼”：用光脉冲照亮自动驾驶的“夜盲症”
对于自动驾驶汽车来说，黑夜是最大的挑战之一。传统的摄像头在夜间低光照下容易“失明”，而激光雷达和毫米波雷达在精确识别行人（Pedestrian）和骑车人（Cyclist）这类“弱势道路使用者”（Vulnerable Road User, VRU）时也往往力不从心。更棘手的是，夜间交通事故中，VRU的伤亡比例远高于白天。为了解决这个痛点，科学家们将目光投向了事件相机（Event-based Camera）。
事件相机不像普通相机那样“傻傻地”每秒拍几十张完整的照片，而是像人眼的视网膜一样，只记录亮度变化的“事件”。这种特性让它拥有微秒级的超快反应速度和超过120 dB的高动态范围，理论上非常适合捕捉夜间移动的目标。但理想很丰满，现实很骨感：为了从稀疏的“事件流”中重构出足以让AI算法识别的图像，系统通常需要累积约50毫秒的数据。这50毫秒的延迟，在高速行驶的车辆上可能就意味着好几米的刹车距离，直接抹杀了事件相机的速度优势。
有没有办法让事件相机在夜间“看”得更快、更清楚？Leonard Haensel和Torsten Bertram发表在《Sensors》上的这项研究提出了一个巧妙的思路：让汽车头灯“眨眼”（即脉冲宽度调制，PWM），主动制造亮度变化来“喂饱”事件相机。
现代汽车的LED头灯本身就会通过快速开关（PWM）来调节亮度，频率通常在100 Hz到1000 Hz之间。研究人员设想，如果能精准控制头灯的闪烁频率和占空比（亮的时间占比），就能在目标物体上制造出强烈的、规律的光强变化，从而“欺骗”事件相机产生大量有效事件。这样，AI模型就能在更短的时间窗口（如10 ms）内积累足够的数据进行检测，大幅降低系统延迟。
但这听起来简单，做起来却面临一堆问号：车辆在真实道路上是在运动的，目标距离、环境光（如路灯）都在动态变化。之前的研究多在静止状态下进行，那些“纸上谈兵”的最优参数，在动态场景下还管用吗？高频和低频调制哪个更好？近光灯和远光灯效果差异大吗？为了回答这些问题，研究团队将实验室搬到了专业的汽车测试场，进行了一次“真刀真枪”的夜间实测。
关键技术方法
研究在Aldenhoven测试中心搭建了符合Euro NCAP标准的行人/骑车人穿行场景。测试车搭载Prophesee IMX636事件相机、RGB真值相机及雷达，以30 km/h和50 km/h速度行驶。核心变量包括PWM频率（200 Hz vs 976 Hz）、占空比（70% vs 90%）、光分布（低光/伪高光）及环境光照（有/无路灯）。通过对比连续照明基线，系统评估了不同参数组合下的平均精度（AP），样本队列为标准化NCAP测试假人。
研究结果
1. 频率与光分布的“组合拳”效应
结果证实，976 Hz的高频调制在大多数场景下表现稳健，能有效避免低频（200 Hz）带来的背景噪声积累问题。但性能好坏严重依赖光分布：对于骑车人，高频配合各种光分布都能取得良好效果；但对于行人，伪高光（模拟远光灯）配合路灯照明是成功检测的“标配”，仅使用低光模式无论怎么调频率都几乎失败。这表明，检测性能的提升并非单一参数之功，而是频率与光照强度的协同结果。
2. 占空比的“甜蜜点”
占空比决定了头灯“亮”和“灭”的比例。研究发现，90%的占空比是性能和稳定性的最佳平衡点。它既能提供足够高的平均亮度照亮远处目标，又能保留必要的亮度阶跃变化来触发事件。相比之下，70%的占空比在某些场景下容易因LED驱动不同步产生空间干扰图案，影响检测一致性。
3. 环境光的“双刃剑”作用
引入路灯等环境光后，结果出现了有趣的分化。一方面，环境光提供了额外的照明，有助于在目标表面产生更多事件；但另一方面，它也显著抬升了背景噪声水平。这种“选择性增强”意味着系统需要在信号增益和噪声抑制之间重新寻找平衡，也解释了为何在完全无光实验室环境下得出的结论不能直接套用到真实城市夜景中。
4. 目标材质的“命运”分野
研究还揭示了一个关键限制：表面 retroreflectivity（逆反射性）。检测性能在自行车反光板等逆反射材料上达到峰值，而对于穿着低反射率衣物的行人，检测能力则急剧下降。这导致了一个尴尬的现实：几乎没有一套“万能参数”能同时最大化行人和骑车人的检测性能。因为骑车人通常自带高反光部件，而行人衣物多为吸光材质。未来的系统可能需要根据目标类型（由雷达或初始分类器判断）动态切换头灯调制策略。
结论与展望
这项研究打破了“更亮的灯就等于更好的检测”的直觉，证明了通过PWM头灯进行主动光学激励是提升夜间事件相机性能的有效途径，但必须接受其参数敏感性和场景依赖性。
其重要意义在于为下一代智能汽车照明系统指明了方向：未来的自动驾驶汽车可能不仅会调节头灯的亮度，还会像调制通信信号一样，针对不同的路况、目标和传感器，动态调整光的“波形”（频率与占空比），实现“光-传感”一体化的协同设计。虽然目前仍面临目标反射特性差异和噪声控制的挑战，但这项研究无疑为照亮自动驾驶的“最后一道黑夜”提供了一把关键的光学钥匙。
