0 引 言
常用于空间目标检测的传感器包括可见光相机、红外相机和激光雷达等[3]。它们在光照稳定、运动速度较缓的环境中表现良好，但在光照剧烈变化、目标快速运动等工况下，会产生过曝、欠曝和运动模糊的问题。相比之下，事件相机作为一种新型神经形态视觉传感器，具备高时间分辨率、高动态范围、低延迟和低功耗等优势，能够以微秒级精度感知像素级亮度变化，天然适用于光照不稳定、目标快速运动等极端场景[4]。目前，事件相机已在非合作目标位姿估计[5]、轨迹跟踪[6]、空间机械臂视觉伺服[7]等前沿研究中展示出良好性能；文献[8]提出的事件相机空间目标探测灵敏度模型，验证了事件相机在空间目标检测中的优势。为了进一步探索事件相机用于空间目标检测的可行性，本文围绕事件视觉空间目标在轨检测方法开展研究。
针对事件数据的异步性和稀疏性，近年来学界已提出多种目标检测方法[9]，包括图神经网络、脉冲神经网络与深度神经网络等。其中，图神经网络和脉冲神经网络可以接受事件数据异步输入，但存在检测精度低、算法复杂度高的问题，难以在星载计算平台上实现。而深度神经网络在两阶段（如快速区域卷积神经网络架构[10]）或单阶段（如YOLO（You Only Look Once）[11]）检测框架已发展成熟，其中YOLO算法因其具备高效率、小型化、低延迟等特点，成为自主卫星平台所选用的目标检测算法。但是，YOLO算法主要针对图像模态设计，无法直接用于事件数据；并且，其对事件数据时序特征的提取能力不足，存在漏检问题。针对上述问题，本文探索了不同的事件数据表征方式以适配YOLO输入需求，并在原框架上引入循环神经网络，构建时序增强的YOLO网络（YOLO-ConvLSTM），旨在提升检测器对稀疏、弱响应事件的感知能力，进而提升检测器精度和降低漏检率。
目前，公开的空间目标探测数据集均为图像数据，缺乏大规模的事件数据，这严重制约了事件空间探测相关的算法研发及验证。因此，本文提出一种基于静态图像生成事件数据的方法，并构建大规模仿真事件数据集E-SPARK。该数据集将在未来的工作中开放，促进事件相机在空间目标检测领域的研究和应用。
1 E-SPARK数据集构建
本文提出一种基于运动仿真的事件数据合成方法，可从图像数据中生成事件流，从而构建大规模事件仿真数据集。该方法以静态图像为基础，采用连续二维仿射变换模拟相机运动从而生成图像序列。仿射变换矩阵$ {\boldsymbol{A}}_{t}\in {\boldsymbol{R}}^{2\times 3} $ 包含旋转、缩放和平移三个分量，其组合形式为：
式中，$ {\theta }_{t} $ 表示旋转角度，$ {\boldsymbol{s}}_{t} $ 为缩放因子，分别为水平方向与垂直方向的平移量；$ \boldsymbol{R}、\boldsymbol{S}、\boldsymbol{T} $ 分别为对应的旋转、缩放与平移矩阵。通过设置一定帧数$ N=6 $ ，可以模拟轨道场景中相机视角的连续变化过程。
生成的图像序列随后输入至事件仿真器[12]，该仿真器通过计算相邻帧之间对数强度差值来模拟事件触发机制，生成的事件流将被转换为稠密表征，用于支持深度神经网络的训练和测试。该方法能够显著扩展事件数据的规模，突破了真实事件数据采集的限制。
基于上述流程，本文以SPARK2021数据集[13]为基础，构建了一个包含多类空间目标的大型事件检测数据集E-SPARK，如图1 所示，第一行为图像数据，第二行为对应的事件数据。该数据集涵盖11个空间目标类别，包括10类典型卫星和1类碎片，总计150 000个样本，按照3∶1∶1的比例随机划分为训练集、验证集和测试集，很好地支持事件模态目标检测器的训练和评估。
需要说明的是，E-SPARK虽然由图像序列经事件仿真器生成，但其输出形式与真实事件相机采集数据一致，均表示为$ \left(x,y,t,p\right) $ 四元组；此外，数据生成过程中通过连续仿射变换模拟相对运动，并依据亮度变化阈值触发事件，同时引入噪声事件建模，因此在事件触发机理、时间顺序、极性变化和空间分布等方面与真实事件数据具有较好一致性。
2 空间目标在轨检测算法
2.1 YOLO-ConvLSTM模型
YOLO凭借紧凑网络结构、高效计算效率与低推断延时的特点，特别适用于要求模型轻量化和高实时性的星载平台。但YOLO的检测方式仅基于当前帧的空间特征提取，无法利用事件数据所包含的时间域信息，对稀疏或弱响应事件容易产生目标漏检，限制了其在事件视觉任务中的性能表现。
对此，本文提出时序增强的检测架构YOLO-ConvLSTM，该模型在保留YOLO高效骨干结构的前提下，引入卷积长短时记忆网络（Convolutional Long Short-Term Memory Network，ConvLSTM）[14]以增强模型对事件流的时序建模能力。整体架构如图2 所示，主要由骨干网络特征提取层、颈部特征融合层、检测头特征解码层及时序建模构成。
首先，事件数据经过YOLO主干网络逐层提取，得到多尺度的特征图，其中主干网络输出的S2、S3、S4分别对应不同的目标尺寸。然后，这些特征经过特征融合（如特征金字塔网络）进行上下文信息融合，完成对空间层级语义建模，但此时YOLO尚未显式的对事件数据的时序信息进行建模。因此，分别在S2、S3、S4三个尺度的分支中，在融合特征与检测头之间插入ConvLSTM模块，对不同尺度的特征序列进行时序建模，使得模型可以建模事件数据的时序特征。相比传统的长短时记忆网络（Long Short-Term Memory Network，LSTM），ConvLSTM通过添加卷积门控机制，兼具时间序列依赖建模能力与输入特征图的空间结构保持能力，适用于事件流等时序数据。其状态更新表达式为：
式中，$ {\boldsymbol{i}}^{t}、{\boldsymbol{f}}^{t}、{\boldsymbol{o}}^{t} $ 分别表示输入门、遗忘门和输出门，$ {\boldsymbol{C}}^{t} $ 为单元状态，$ {\boldsymbol{H}}^{t} $ 为隐状态，对于矩阵操作，$ \left[\cdot ,\cdot \right] $ 表示矩阵拼接，“∗”表示2D卷积操作，“$ \otimes $ ”表示矩阵Hadamard积，“$ \oplus $ ”表示矩阵加法。
为了进一步提高信息利用效率并缓解梯度消失问题，在每个ConvLSTM模块后引入残差连接，将其输出特征与原始特征相融合，得到时序增强特征$ \overline{\boldsymbol{X}} $ ，这不仅有助于保留关键信息，还提升了时序建模过程的稳定性与泛化能力。最终，增强后的特征被送入YOLO的检测头，分别预测目标的边界框位置、置信度得分和类别概率，实现对事件序列中空间目标的高效检测。
2.2 事件数据表征方式
YOLO原生架构主要针对图像模态设计，需要对事件数据进行预处理，将异步事件流转换为稠密表征，以适配YOLO输入要求。
事件相机不像传统相机以固定帧率图像获取方式成像，而是采用异步方式像素级别记录亮度变化信息。当某个像素点的对数变化超过一定阈值时，该像素将会引发一个事件：
式中，$ I\left(x,y,t\right) $ 表示时间$ t $ 时刻像素$ \left(x,y\right) $ 的灰度值，$ p\in \{+1,-1\} $ 表示亮度增加或减少，即事件极性（正极性与负极性），$ \theta $ 为对比度阈值。
原始事件流$ {e}_{i}=\left({x}_{i},{y}_{i},{t}_{i},{p}_{i}\right) $ 具有稀疏性和异步性的特点，无法直接输入卷积神经网络进行训练。为此，需先对事件数据进行预处理，在固定时间窗口$ \left[t,t+\Delta t\right] $ 内聚合事件，将其转化为稠密表征。本文采用以下三种主流事件表征方式[9]。
（1）事件直方图。统计时间窗口内每个像素处的事件触发次数，并按极性分为两个通道：
式中，$ \delta \left(\cdot \right) $ 为克罗内克函数，用于统计特定条件下事件数量。
（2）时间表面。记录每个像素处最近一次事件的时间戳，并施加指数衰减以强化最新事件的影响。
式中，$ t\left(x,y\right) $ 是像素最后一次产生事件的时间，$ {t}_{0} $ 是当前时间窗口起始点，$ \tau $ 为指数衰减参数。
（3）事件体素。将时间窗口划分为$ B $ 个子区间，在每个像素与极性通道上统计每个时间段内的事件数，构成四维张量$ V\in {\mathbf{R}}^{H\times W\times 2\times B} $ 。
式中，$ {T}_{b} $ 表示第$ b $ 个时间子区间。
为提升模型训练稳定性，需对上述三种表征方式进行归一化处理。具体地，事件直方图中的正负极性通道分别归一化至$ \left[-1{,}1\right] $ ；时间表面数值本身即在$ \left[-1{,}1\right] $ ；事件体素沿着通道$ B $ 归一化为$ \left[0{,}1\right] $ 。该处理有助于缓解梯度爆炸或消失问题，提升模型收敛速度。
3 试验结果与分析
为了验证事件模态在空间目标在轨检测任务中的应用潜力，以及本文提出的YOLO-ConvLSTM方法的有效性，分别在E-SPARK仿真数据集和地面试验台上采集的真实事件数据集上开展实验，包括以下三个方面：（1）在E-SPARK数据集上训练YOLO模型，比较不同事件表征方式的检测精度；（2）在真实事件数据集上测试预训练模型，评估其从仿真域到真实域（Sim2Real）的泛化能力；（3）在真实数据上微调YOLO-ConvLSTM模型，评估ConvLSTM模块的时序建模能力。
3.1 模型训练配置
选取YOLOv5s、YOLOv8s以及YOLO11s这3个轻量级检测器为研究案例，考虑模型检测精度和模型推理速度的均衡。所有模型均采用PyTorch进行代码实现，并运行在配有NVIDIA RTX 4090 GPU的硬件工作站。为确保实验的可对比性，所有模型采用统一的训练策略，训练参数如下：优化器采用随机梯度下降(Stochastic Gradient Descent, SGD)，初始学习率为0.01，采用线性衰减策略调整学习率，批次大小为64，训练轮数共计200轮，损失函数包括边界框回归损失与分类损失。
模型检测性能的评估指标采用上下文对象数据集（Common Objects in Context, COCO）标准，包括交并比（Intersection over Union, IoU）阈值为0.5时的平均精度（AP50），以及IoU阈值从0.50至0.95的平均精度（AP50:95）。模型计算效率则通过每秒十亿次浮点运算量（Giga Floating-point Operations Per Second, GFLOPs）衡量。
3.2 不同事件表征的检测结果
为了对比不同事件表征下模型的检测性能，分别用事件直方图、时间表面和事件体素表征训练YOLOv5s、YOLOv8s、YOLO11s模型。结果如表1 所示。由表1 可知，事件直方图表征在YOLOv8s和YOLO11s模型中取得最优检测精度，在YOLOv5s模型中取得次优检测精度。事件体素表征在YOLOv5s模型中取得最优检测精度，在YOLOv8s和YOLO11s模型中取得次优检测精度。
表 1 不同事件表征方式的检测精度对比Table 1 Detection accuracy comparison of different event representations |
| 方法 | 表征方式 | AP50 | AP50:95 |
| YOLOv5s | 事件直方图 | 0.822 | 0.690 |
| 时间表面 | 0.819 | 0.682 | |
| 事件体素 | 0.850 | 0.711 | |
| YOLOv8s | 事件直方图 | 0.833 | 0.701 |
| 时间表面 | 0.813 | 0.680 | |
| 事件体素 | 0.831 | 0.699 | |
| YOLO11s | 事件直方图 | 0.863 | 0.726 |
| 时间表面 | 0.839 | 0.725 | |
| 事件体素 | 0.859 | 0.725 |
事件直方图和事件体素表征的优势在于，二者均能保留事件数据的空间信息和极性信息。其中，事件体素表征可以将正、负极性分离，并分别堆叠至不同时间窗口，理论上能具备更精细的时间建模能力。但是，由于事件数据由静态图像导出，时间特征的表示受到场景运动限制，使得事件体素表征无法充分发挥其优势，性能与事件直方图表征相近。相比之下，时间表面表征在所有模型中表现最差，这可能由于使用了指数衰减函数，事件强度会随着时间的推移而减弱，进一步加剧了空间环境中本身就微弱的事件响应。
事件直方图表征按照极性累积所有事件，无需划分时间窗口，提供了一种计算高效的预处理流程，且取得了很好的检测精度，因此，本文将其作为模型的默认输入。此外，YOLO11s模型在所有模型中检测精度最优；在计算效率方面，YOLO11s模型为21.5 GFLOPs，优于YOLOv5s模型的23.6 GFLOPs和YOLOv8s模型的28.6 GFLOPs。考虑到检测精度与速度之间的平衡，本文选择YOLO11s模型作为基线进行后续实验。
3.3 模型Sim2Real的泛化能力
为评估模型在真实事件数据上的泛化能力，搭建了光照可控的地面试验环境并采集真实事件数据，如图3 所示。该实验平台搭建在封闭暗室中，配备多个光照可控LED光源，目标的运动轨迹由直线导轨和机械臂控制，平台搭载了分辨率为346×260像素的DAVIS346事件相机，可同步输出彩色图像与事件流。其中，事件通路以像素级异步方式连续监测对数亮度变化；当某像素亮度变化超过设定阈值时，便会触发一个带有像素坐标、时间戳和极性的事件，而图像通路同步输出彩色图像。基于这一工作原理，DAVIS346能够在高速运动、强弱光快速变化等条件下稳定感知目标边缘与运动信息，为本文真实事件数据采集提供了硬件基础。
本文共采集图像-事件样本对300组，包括立方星、高分十三号卫星、哈勃空间望远镜三类航天器，覆盖正常曝光、过曝、欠曝三种光照条件，每种条件各100组。为适配相机分辨率，将E-SPARK数据下采样至346×260像素并重新训练YOLO11s，基准模型的检测精度为0.726 （AP50）和0.564 （AP50:95）。随后，在未经过微调的情况下直接在真实数据上测试，将模型进行零样本Sim2Real检测。此外，为比较不同模态性能，使用SPARK2021图像数据训练YOLO11s，并在真实图像上执行零样本Sim2Real检测。结果如表2 所示。
表 2 不同模态下YOLO11s模型的检测精度对比Table 2 Detection accuracy comparison of YOLO11s model in different modalities |
| 模态 | 光照条件 | AP50 | AP50:95 |
| 图像 数据 | 正常 | 0.008 | 0.003 |
| 过曝 | 0.065 | 0.017 | |
| 欠曝 | 0.000 | 0.000 | |
| 平均值 | 0.024 | 0.007 | |
| 事件 数据 | 正常 | 0.515 | 0.320 |
| 过曝 | 0.230 | 0.123 | |
| 欠曝 | 0.775 | 0.405 | |
| 平均值 | 0.507 | 0.283 |
由表2 可知，对于图像数据，YOLO11s的平均检测精度仅有0.024（AP50）和0.007（AP50:95），相较于预训练模型精度分别下降了96.7%和99.8%。这表明仿真图像与真实图像之间存在巨大的域差距，导致模型泛化能力较差，而域差距主要体现在颜色和材质方面。特别地，在欠曝环境中模型几乎检测不到目标，而在过曝环境中模型精度高于正常曝光，这是因为正常曝光时背景产生了更多冗余框，而过曝时目标特征的弱化使得域差距缩小，从而降低了误检概率。这些现象说明了图像受光照影响很大。此外，目标运动速度较快产生的运动模糊现象削弱了定位边界，进一步降低了模型的检测精度。上述结果表明，对于图像模态检测器的鲁棒性较差。
对于事件数据，YOLO11s的平均检测精度为0.507 （AP50）和0.283 （AP50:95），相较于预训练模型分别下降了30.2%和49.8%，且显著优于图像模态下模型的表现，说明模型在事件模态下具有更强的Sim2Real泛化能力。其原因是事件相机只响应目标边缘，而这些纹理、形状特征在仿真数据和真实数据之间的差异较小。即使在过曝和欠曝环境下，事件模态仍能稳定检测到目标，验证了其光照鲁棒性。值得注意的是，事件数据在欠曝环境下达到最高检测精度。因为大多数的卫星表面反射率较高，强光环境易产生眩光和不稳定的事件响应，可能为数据引入噪声。而弱光条件下反射受到抑制，结合事件相机的高动态范围特性，检测器能够更准确地捕获目标信息，从而实现更精准的检测。
3.4 ConvLSTM模块的效果
由于SPARK数据集是通过在渲染引擎中随机采样生成的，E-SPARK数据集缺乏时间连续性，无法直接用于ConvLSTM时序建模。为此，首先冻结在E-SPARK上训练好的YOLO11s骨干网络，然后在特征融合层与检测头之间插入ConvLSTM模块，再对新增模块和检测头在真实连续的事件数据上进行微调，以此实现空间特征提取与时序建模的解耦训练。
本文基于消融实验评估ConvLSTM模块在不同尺度上的建模效果：逐步移除S2、S3、S4三个尺度上的ConvLSTM模块再进行微调，结果如表3 所示，其中“√”表示添加了该模块。
表 3 ConvLSTM模块位置对YOLO11s模型检测性能的影响Table 3 Impact of ConvLSTM placement on YOLO11s model detection performance |
| S2 | S3 | S4 | AP50 | AP50:95 | GFLOPs |
| — | — | — | 0.956 | 0.656 | 21.5 |
| — | — | √ | 0.964 | 0.741 | 23.1 |
| — | √ | √ | 0.966 | 0.754 | 24.8 |
| √ | √ | √ | 0.972 | 0.756 | 26.5 |
由表3 可知，模型加入ConvLSTM后检测精度得到提升。仅在S4尺度中加入ConvLSTM模块时，AP50:95指标便从0.656提升至0.741，这表明即使仅在粗粒度特征层加入时序建模，也能有效增强模型对目标的鲁棒检测能力。当ConvLSTM模块继续增加到S3尺度时，模型精度也持续提升；最终在三个尺度均加入ConvLSTM模块后，模型精度达到最优水平，AP50为0.972、AP50:95为0.756，相较于YOLO基线模型分别提高了0.016和0.100，验证了多尺度时序建模对目标检测性能的积极影响。
综上所述，ConvLSTM模块可以很好地处理事件数据，具有很好的时序感知能力，可以弥补YOLO网络在时间维度建模方面的不足。在计算效率方面，YOLO-ConvLSTM的GFLOPs为26.5，较YOLO基线提升了约23.3%，在保持较高检测精度的同时具备良好的计算效率，展示出较强的实际部署潜力。
4 结 语
围绕空间目标在轨检测面临的挑战，本文探索了事件相机在该任务中的应用潜力，提出了一种面向事件模态的目标检测方法。具体地，针对现有事件数据缺乏的问题，设计了一套基于仿射变换与事件仿真器的数据生成流程，构建了该领域目前规模领先的大型事件数据集E-SPARK，为后续研究提供了有力支撑。在算法方面，基于轻量级目标检测框架YOLO构建了YOLO-ConvLSTM模型，通过引入ConvLSTM模块对事件流的时序信息进行建模，提高检测器对稀疏和弱响应事件的检测能力。实验结果表明，相较于图像模态，事件模态在强光、弱光及运动模糊等空间场景下具有更强的适应性和泛化能力；通过引入ConvLSTM模块，模型对连续事件流的检测性能得到提升，缓解了漏检问题，而模型的计算效率仅为26.5 GFLOPs，具备在星载平台上实时运行的潜力。
未来的研究将围绕事件数据的高效编码、时空特征联合建模和轻量化部署展开。一方面，通过设计适用于事件模态的高效编码器，提升模型对稀疏异步信息的表达能力；另一方面，对事件数据进行时空联合建模，增强模型对动态目标的感知与理解能力；同时，优化模型结构使其在星载平台上实现轻量化部署，为事件相机在实际航天任务中的工程应用奠定基础。