基于视网膜皮层映射的巡线无人机仿生视觉机理研究

无人机航巡输电线路是机器人自动巡线和无人机应用研究的热点。目标快速响应与自动追踪技术是目前无人机巡线的关键技术。本课题采用仿生视觉的方法，理解和分析生物视觉的视网膜皮层映射（Retinotopic mapping）基本视觉认知机制，根据无人机巡线特点，建立参数化的不均匀分布的Retinotopic Mapping认知模型；实现基于仿生视觉认知模型的目标快速响应和自动追踪算法及算法分析；建立仿生视觉虚拟仿真系统，完成机载仿生视觉系统设计，实验验证仿生视觉模型和仿生视觉算法，根据实验结果对仿生视觉模型和仿生视觉算法进行改进。通过本项目的研究，深化对生物视觉的基本认知机制的认识，掌握建立有效的仿生视觉系统的关键技术，将有助于解决无人机巡线的关键问题，还能拓展无人机和仿生视觉的应用领域，推动无人机和仿生视觉的发展，具有重要的理论意义和应用价值。

生物视觉系统具有对运动目标敏感，分辨率调节迅速等特点，能准确无误的识别目标。神经生理学的深入研究表明，在与外界交互作用的过程中，生物视觉系统的认知过程是一种有目的的、主动的反应，并不仅仅是一种被动式的反应。而且生物的视觉系统经过数百万年的进化后具有非常稳定可靠的独特系统方式，因此仿生视觉的研究对解决目前传统计算机视觉在目标识别跟踪定位方面的缺陷具有非常重要的意义。由于视网膜映射机制是视觉系统的非均匀分布机制的重要体现，也是视觉系统的信息处理高效性的生理特性体现，故视网膜认知模型的建立以及基于仿生视觉认知模型的目标检测处理是仿生视觉系统研究的主要方向。.本课题在了解人类视觉系统生理机能的基础上建立二维视网膜认知模型，并基于仿生视觉认知模型对背景图像进行背景建模和运动目标检测。首先，完成了基于视网膜皮层的二维认知模型的建立和视网膜皮层映射三维结构的分析，从分析偏心率与极角的不均匀分布函数为着手点建立了视网膜二维认知模型，并在建立的二维认知模型的基础上进一步研究了视网膜皮层映射变换三维结构，仿生视觉认知模型的建立为目标识别和目标跟踪算法的研究提供了理论研究平台。其次，完成了视野图像背景建模和运动目标识别检测算法的研究，在建立的仿生视觉认知模型基础上完成了背景图像建模的算法研究，并研究分析了背景减图像的分割算法，最后对基于仿生视觉认知模型的最小运动检测目标作了分析研究。完成了仿生视觉验证应用平台的研究，在目标检测识别算法研究的基础上对仿生视觉系统的实际应用方案进行了分析设计。另外在研究基本的仿生视觉中进行了扩展，对仿生视觉中的碰撞检测时间的基本理论和无人机应用进行了研究。.通过本课题的研究，深化了对生物视觉的基本认知机制的认识，用计算神经科学的方法解释生物视觉的基本认知模型，并尝试建立有效的仿生视觉系统，有效解决了无人机巡线的问题，拓展无人机和仿生视觉的应用领域，推动无人机和仿生视觉的发展，具有重要的理论意义和应用价值。