受雏蝗LGMD2神经元启发的碰撞选择性视觉神经网络
神经元与认知
2018-01-22 v1 计算机视觉与模式识别
机器人学
摘要
对于在与人混合的动态环境中的自主机器人，快速且鲁棒地检测迫近碰撞至关重要。经过数百万年进化的生物视觉系统可为复杂环境中的碰撞检测提供高效解决方案。在蝗虫的视叶中，已识别出两个叶巨运动检测器，即LGMD1和LGMD2，它们对逼近物体以高放电率做出严格响应。与LGMD1相比，LGMD2在雏蝗中较早成熟，对明亮背景下暗的移动物体具有深度上的特定选择性，而不响应暗背景中的亮物体——这与地面车辆和机器人面临的情况类似。然而，关于LGMD2建模的工作很少，更不用说其在机器人及其他基于视觉应用中的潜力。本文中，我们提出一种建模LGMD2神经元的新方法，利用有偏的ON和OFF通路将视觉流拆分为并行通道，分别编码亮度增与减，以实现其选择性。此外，我们应用尖峰频率适应的生物物理机制来塑造该碰撞检测神经元模型中的逼近选择性。所提出的视觉神经网络已通过系统实验测试，受到合成与真实物理刺激以及微型机器人传感器图像流的挑战。结果表明该框架能够选择性检测明亮背景中逼近的暗物体，这使其非常适合地面移动平台。机器人实验也显示了其在碰撞检测中的鲁棒性——在具有许多障碍物的场地中近程导航表现良好。其相对于后退与平移物体对暗的逼近物体增强的碰撞选择性也已通过系统实验得到验证。
引用
@article{arxiv.1801.06452,
title = {Collision Selective Visual Neural Network Inspired by LGMD2 Neurons in Juvenile Locusts},
author = {Qinbing Fu and Cheng Hu and Shigang Yue},
journal= {arXiv preprint arXiv:1801.06452},
year = {2018}
}