事件相机是一种新型视觉传感器,模仿了生物视觉系统的成像机制,具有高动态范围、高时间分辨率、低数据冗余的特点,在军用及民用领域均有重要应用价值。事件相机只感知场景中的变化信息。当事件相机中某像素感受到光强的变化时,会触发一个表示光强变化信息的事件,该事件包含触发像素的坐标和触发时间信息。事件相机以事件流的形式输出数据,而非传统相机的灰度图像。事件流形式的数据表示方式为非结构化的,给面向事件相机的数据处理算法研究带来新的挑战,目前,常将事件流重构为灰度图像进行处理,然而事件相机数据噪声较强、空间分辨率较低,重构的灰度图像质量较差。因此,本文从事件相机数据与传统相机数据相融合的角度开展研究,构建面向事件相机的数据处理平台,开发事件流-灰度图像融合重构算法,具体工作内容如下:首先,搭建了使用单路事件相机信号的灰度图像重构与可视化系统。采用嵌入式开发板搭建了事件流信号处理平台,实现了对相机数据的录制及去噪。进一步地,构建了一个事件流信号重构数据集,并设计了基于卷积神经网络的实时重构模型。经现场测试,该系统对事件流重构效果较好,可进行实时重构。其次,构建了双目相机数据融合重构系统。针对事件相机空间分辨率不足问题,引入高分辨率传统相机,搭建了平行光轴式双目相机平台,并从并行计算和内存管理两方面对该平台进行优化。进一步地,为有效实现双目相机数据的融合重构,通过深度学习搭建了双目数据配准与融合重构模型。经多个图像重构质量评价指标测试,该双目相机数据融合重构方法效果较好。最后,针对双目相机数据空间配准难的问题,构建了基于分光融合的双路相机信号融合重构系统。该系统通过一个立方体分光镜对事件相机和传统相机数据进行配准,取得了较好的空间配准效果。进一步地,利用该系统构建一个真实世界事件流与灰度图像融合重构数据集,并将前述双目相机数据融合重构方法迁移到双路相机信号融合重构系统。经过测试,该系统融合重构效果较好。