基于跳蛛主次眼全向感知机理的视觉仿生构建研究

The current research on visual bionics mainly concentrates on the visual structure and functional bionics of monocular and compound eyes, while the distribution rule, mutual relationship and regulatory mechanism among the compound eyes has not been verified, which restricts the application performance of visual bionics system to a certain extent. The vision system of jumping spiders consists of a number of primary or secondary single-lens eyes. Second eyes fast recognize targets in range of a large-angle view, and then obtain their accurate positions according to the defocus degree of images formed on primary eyes’ multilayer retina. This unique feature offers a new approach to improve the overall performance of the visual system. This subject will study the distribution rule and function coordination mechanism of jumping spiders’ eyes, design a large-field distributed visual structure, establish the real-time joint control and the decision model for parallel processing with multiple primary or secondary cameras, study on imaging principle on primary eyes’ multilayer retina, put forward a DFD algorithm based on prior angle information, and carry out related experiments for verification. This study combines frontier theories from biology, optics, control and computer science, will develop a new visual system based on distributed identification and localization, which can be widely used in the field of military surveillance, robot navigation, etc, and provide a new method for fast recognition and localization in range of a large-angle view.

目前视觉仿生技术的研究主要集中在单复眼结构与功能仿生，多目间的分布规律、相互关系与调控机理尚未得到验证，一定程度上限制了视觉仿生系统应用性能的发挥。跳蛛视觉系统由多只主次单透镜眼构成，次眼快速识别大视角范围内目标，然后通过主眼多层视网膜上所成图像的散焦程度准确获取目标位置，这种独特的功能协同特性为提高视觉系统的整体性能提供了新的研究思路。本课题将深入研究跳蛛主次眼分布规律与功能协调机理，提出一种大视场分布式视觉结构，建立主次多相机实时联合控制与决策并行处理模型，研究主眼多层视网膜成像原理，提出一种基于先验角信息的散焦测距算法，并开展相关试验验证。本研究融合了生物、光学、控制和计算机科学等前沿理论，将研发一种新型分布式识别定位视觉系统，可广泛用于军事侦察、机器人导航等领域，为解决大视场角范围内目标快速识别定位提供新方法。

通过视觉系统对场景目标物快速识别定位是机器人视觉研发的关键技术，本课题以此为背景以跳蛛视觉系统为仿生对象，依据跳蛛主眼单目散焦测距与次眼快速识别粗定位的机理，提出改进的图像矩不变获取场景深度信息的方法，相比于现有的散焦图像深度信息获取方法，其均方根误差RMS由13.62mm降低到10.66mm，最大测量误差由3.69%减低到2.79%。.在图像分割的研究方面，提出一种新的基于泛洪思想的超像素分割方法。该方法与现有超像素分割方法相比具有一定竞争力。设计了一种基于超像素分割和谱聚类的无监督图像分割方法，该分割方法具有较高的分割精度。针对graph-cuts算法存在分割错误率较高的缺点，提出了一种基于超像素分割和graph-cuts的交互式分割方法，设计基于超像素的能量函数模型，利用最大流最小割算法得到初步分割结果，根据超像素特征最近邻超像素的类别信息，修正能量函数区域项，迭代执行最大流最小割算法得到分割结果，该分割方法具有较低分割错误率。.场景中圆形物体是常见形状之一，圆识别具有重要意义。本课题提出了一种基于方向约束的有序连续边缘标记预分割算法，该算法具有较强抗噪性，可有效滤除噪声边缘的短小连通域，减少噪声边缘对后期处理的影响，与种子填充法相比计算效率提高了50%。提出一种基于圆面积相交因子的合并方法，可准确滤除图像中直线和非圆曲线，完好保留圆弧边缘，实现圆弧的准确检测，并将圆检测方法应用于轴承尺寸检测中。.设计了两自由度3D视觉传感器与机器人基坐标系的标定方法，针对具有两自由度视觉装置与机器人坐标转移需求，给出了转移矩阵解析解公式，可根据计算需求精确到任意精度。.利用小型摄像头与旋转电机搭建了多相机视觉系统，并将设计的算法应用到系统中，进行实验验证。采用多摄像头搭建全景图像采集平台，对场景进行图像采集，实现了360度全面监控。本课题研制的多目视觉系统，可用于室内服务型机器人、安防巡检机器人等进行场景内目标物识别定位。研究的算法既可用于机器人视觉也可用于工业视觉检测。