利用时空分布式突触前连接增强 LGMD 对无人机逼近的选择性

碰撞检测是无人机（UAV）最具挑战性的任务之一。对于小型或微型无人机而言尤其如此，因为其计算能力有限。在自然界中，具有紧凑而简单视觉系统的飞行昆虫展示了在复杂环境中导航和避免碰撞的卓越能力。蝗虫提供了一个很好的例子。它们可以通过一种称为 Lobula Giant Movement Detector（LGMD，叶巨运动检测器）的基于运动的视觉神经元的活动在密集 swarm 中避免碰撞。LGMD 神经元的定义性特征是其对逼近（looming）的偏好。作为飞行昆虫的视觉神经元，LGMD 被认为是构建无人机碰撞检测系统的理想基础。然而，现有的 LGMD 模型无法将逼近与无人机敏捷飞行引起的复杂背景运动等其他视觉线索清晰区分。为解决此问题，我们提出了一种实现分布式时空突触交互的新模型，该模型受近期蝗虫突触形态学发现的启发。我们首先引入局部分布式兴奋，以增强由偏好速度视觉运动引起的兴奋。然后加入径向扩展的抑制时间延迟，与分布式兴奋竞争并选择性地抑制非偏好视觉运动。我们进行了系统的实验来验证所提模型在无人机敏捷飞行中的性能。结果表明，该新模型在复杂飞行场景中显著增强了逼近选择性，并有可能在小型或微型无人机的嵌入式碰撞检测系统上实现。