在光线较差的环境中(例如夜晚、阴影处或雾天)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，大多数广泛使用的计算机视觉方法被发现在光线较差的情况下表现不佳。

香港理工大学的研究人员最近推出了一种新型仿生视觉传感器，它可以适应所捕捉环境的光谱特征，从而成功地在更广泛的照明条件下检测物体。这种新开发的传感器发表在《自然电子学》杂志上，基于背靠背排列的光电二极管阵列。

论文共同作者 Bangsen Ouyang 告诉 Tech Xplore： “在之前发表在《自然电子学》上的一篇论文中，我们提出了一种简单的传感器内光强度自适应方法，以提高机器视觉系统的识别准确性。”

“在过去的研究基础上，我们将这一策略从强度维度扩展到了光的光谱维度。”

欧阳及​​其同事最近这项研究的主要目标是设计一种视觉传感器，这种传感器在强光干扰和烟雾弥漫的环境中识别物体的能力优于其他传感器。他们计划开发的传感器还能以最小的时间延迟收集数据，消耗的电量非常少。

“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，因为这些资源会增加系统体积、功耗和时间延迟，”欧阳解释说。“我们设计的视觉传感器基于背靠背光电二极管，它由具有不同光谱灵敏度的可切换结组成。

“具体来说，浅结由 TiO 2 /Sb 2 Se 3组成，而深结则由 Sb 2 Se 3 /Si组成。这两个结的选择可以通过外部偏置电压来控制。”

选择传感器中的浅结可增强传感器对短波长光的灵敏度，而选择深结可增强其对长波长光的灵敏度。因此，传感器的独特设计使其光电二极管可以调整以匹配宽带可见光谱或窄带近红外光谱。

“光谱适应过程需要数十微秒，与最先进的高速摄像机的帧速率(约 100 kHz)相当，”欧阳说。“这种光谱适应有效地增加了场景的韦伯对比度，从而提高了在暴露于强烈可见光眩光时对特征的识别准确度。”

在初步测试中，欧阳及其同事提出的传感器内光谱自适应方法取得了非常令人满意的结果。当应用于自动驾驶汽车的视觉系统时，该方法被发现能够实现防眩光功能，并且具有低时间延迟和低功耗，无需额外的光学配件或复杂的计算算法。

“我们的研究引入了一种创新的传感器内光谱自适应技术，”欧阳说。“光谱自适应过程非常快，可与最先进的高速摄像机的帧速率(约 100 kHz)相媲美。这种传感器内光谱自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型传感器可以提高机器人系统的功能，特别是提高它们在不同光照条件下识别物体的能力，而不会增加其功耗。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、工业或制造机器人和监控系统。

“我们未来在该领域的研究计划包括提高视觉传感器在响应度、动态范围、响应速度和其他关键因素方面的性能，”欧阳补充道。“我们还热衷于探索在视觉传感器中集成额外的传感功能，例如偏振和 3D 深度。”

“最后，我们下一步的研究将集中于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的人工视觉。”