香港理工大学开发出仿生视觉传感器 可以检测光谱上的独特特征

盖世汽车讯 具备在光线不利的环境中（例如在夜间、阴影位置或雾天条件下）检测物体的能力，可以大大提高自动驾驶汽车和移动机器人系统的可靠性。然而，目前大多数广泛使用的计算机视觉方法在光线不足的情况下表现不佳。

据外媒报道，香港理工大学（Hong Kong Polytechnic University）的研究人员最近开发出新的仿生视觉传感器，可以适应其捕捉的环境的光谱特征，从而成功地在更大范围的照明条件下检测物体。研究人员在发表于期刊《自然电子》（Nature Electronics）的论文中详细介绍了这一基于背靠背排列的光电二极管阵列的传感器。

图片来源：《Nature Electronics》

该论文的共同作者欧阳帮森表示：“在《自然电子》上的一篇论文中，我们开发出一种简单的传感器内光强适应方法来提高机器视觉系统的识别精度。基于过去的研究工作，我们将这一策略从光的强度维度扩展到光谱维度。”

欧阳及其同事这项研究的主要目的是设计出一种视觉传感器，比其它传感器更善于在强光干扰以及空气中有烟雾的情况下识别物体。研究人员计划开发的传感器还将以最小的时间延迟收集数据且耗电量极低。

欧阳解释道：“我们的目标是在不依赖光学配件或复杂算法资源的情况下实现这一目标，因为这会增加系统体积、功耗和时间延迟。我们设计的视觉传感器基于背靠背光电二极管，由具有不同光谱灵敏度的可切换结组成。具体来说，浅结由TiO2/Sb2Se3组成，深结由Sb2Se3/Si组成。这两个结的选择可以通过外部偏压来控制。”

在传感器中选择浅结可以提高传感器对短波长光的灵敏度，而选择深结可以提高其对长波长光的灵敏度。因此，该传感器的独特设计允许光电二极管进行调整，以匹配宽带可见光谱或窄带近红外光谱。

欧阳表示：“光谱适应过程仅需数十微秒，这与最先进的高速摄像头的帧率（约100kHz）相当。光谱适应使得场景的韦伯对比度提高了10倍以上，从而在强烈的可见光眩光下提高了特征识别的准确性（从33%提高到90%）。”

在初步测试中，欧阳及其同事引入的传感器内光谱适应方法取得了非常可喜的结果。当应用于自动驾驶汽车的视觉系统时，他们发现该方法能够实现低延迟和低功耗的防眩光功能，且无需额外的光学配件或复杂的计算算法。

欧阳表示：“我们的研究引入了一种创新的传感器内光谱适应技术。光谱适应性过程非常快，与最先进的高速摄像头的帧率（约100kHz）相当。这种传感器内光谱适应方法的实际意义重大，因为它消除了对光学配件或复杂算法资源的需求。”

该研究团队开发的新传感器可以提高机器人系统的能力，特别是提高它们在不同光照条件下识别物体的能力，且不会增加功耗。该传感器可以集成到各种技术中，包括自动驾驶汽车、医疗设备、工业或制造机器人以及监控系统。

欧阳补充道：“我们在这一领域的未来研究计划包括在响应度、动态范围、响应速度和其它关键因素方面提高视觉传感器的性能。我们还热衷于探索在视觉传感器中集成其它传感功能，如偏振和3D深度。最后，我们的下一步研究将集中在制造这些视觉传感器的大规模阵列，以及相应的外围电路和软件，以开发用于实际应用的成熟人工视觉芯片。”