用于基于视觉的在线障碍物检测与定位的事件驱动异构信息处理
机器人学
2026-01-21 v1 计算机视觉与模式识别
摘要
本文介绍了一种新颖的机器人视觉导航框架，该框架将混合神经网络(HNN)与基于脉冲神经网络(SNN)的滤波相结合，以增强未建模障碍物检测与定位的态势感知能力。通过利用人工神经网络(ANN)和SNN的互补优势，该系统实现了准确的环境理解和快速、节能的处理。所提出的架构采用双路径方法：ANN组件以低频率处理静态空间特征，而SNN组件实时处理动态的、基于事件的传感器数据。与依赖域转换机制的传统混合架构不同，我们的系统集成了一个预先开发的基于SNN的滤波器，该滤波器直接利用脉冲编码输入进行定位和状态估计。检测到的异常使用来自ANN路径的上下文信息进行验证，并被持续跟踪以支持预测性导航策略。仿真结果表明，所提出的方法提供了可接受的检测精度，同时保持了接近仅SNN实现的计算效率，而后者的资源开销仅为前者的一小部分。该框架代表了在不可预测和动态环境中运行的机器人神经形态导航系统的重大进步。
引用
@article{arxiv.2601.13451,
title = {Event-based Heterogeneous Information Processing for Online Vision-based Obstacle Detection and Localization},
author = {Reza Ahmadvand and Sarah Safura Sharif and Yaser Mike Banad},
journal= {arXiv preprint arXiv:2601.13451},
year = {2026}
}