微站小程序网络推广优化seo

https:/doi.org/10.1155/2023/5784720

摘要：

生物系统有大量的视觉运动检测神经元，其中一些神经元可以优先对特定的视觉区域做出反应。然而，关于如何使用它们来开发用于全向碰撞检测的神经网络模型，很少有人做过工作。为此，首次开发了一种由突触前和突触后子网络组成的人工视觉脑神经网络，用于检测全景场景中视觉运动的变化。在此，突触前子网络源于fve-fy视觉神经元的优先反应特征，对全景视野中的所有运动物体都有反应；突触后网络基于“fy大脑系统”中角度和高度检测神经元的特性，收集视觉神经元的兴奋强度，并输出最接近全景相机的主要对象的实时活动，之后，基于人工视觉大脑神经网络和三个功能神经元，构建了一个计算模型来实现全向碰撞检测。理论分析验证了碰撞检测模型的计算复杂度主要取决于图像输入分辨率。树实验结论可以清楚地得出：（i）神经网络可以清楚地展示全景环境中主要物体的运动特征；（ii）碰撞检测模型不仅可以优于比较模型，而且可以成功地执行全向碰撞检测；（iii）在120×80的分辨率下，每帧执行视觉信息处理花费0.24s左右。

1.简介

碰撞检测作为一个经典而流行的话题，经常涉及许多工程问题，例如车辆碰撞[1]、导航[2]和移动机器人[3]。尽管雷达和超声波传感器可以监测移动物体是否遇到可能的危险，但它们的碰撞检测精度在很大程度上取决于硬件测量的质量。Tereby，由于对高精度碰撞检测的要求，它们必然会在工程应用中造成经济上昂贵的成本。

生物系统不仅可以捕捉视觉信息，还可以快速发现移动物体并准确判断是否发生危险。特别是，具有高速运动、快速响应和碰撞决策等优点的fies可以检测时空强度并避免即将发生的碰撞

Tey可以被视为一种合成视觉信息的光学仪器，可以通过视觉大脑神经元进行视觉信息处理和决策[4-9]。Tis是构建人工视觉大脑模型以解决特定工程问题的良好来源。

然而，视觉神经元的内在特征是否可以用来构建神经计算模型，以检测运动物体在水平、垂直和赤道方向上的行为变化？视觉大脑神经元的反应特征能否共同用于构建用于全景碰撞检测的人工视觉大脑系统？

通过fy视觉系统中水平、垂直和赤道运动检测神经元以及fy大脑系统中中枢复合体和蘑菇体的视觉反应机制，探索一种新的全方位碰撞检测的神经计算模型。

目前的工作集中在探索仿生计算模型，这些模型不仅需要检测全景运动的变化，还需要传输实时碰撞警告信号。主要贡献总结如下：

（i） 基于fy视觉系统中fve方向选择神经元的优先响应特性，最初构建了一个带有fve子网络的前馈突触前神经网络，用于检查全景场景中的视觉变化。

Terein，首次借用后向和赤道运动检测神经元的响应特性开发了两个视觉神经网络，以检测全景场景下半场和水平赤道上的视觉变化。设计了两个新的对称抑制模型来执行神经节点之间的横向抑制功能。此外，根据两条对称抛物线，将运动方向检测区域巧妙地划分为多个响应子区域。

（ii）源于fy大脑系统中角度和高度检测神经元的特征以及处理视觉神经信号的反应机制，最初构建了一个突触后网络来表征最接近全景相机的主要对象的形态变化。

（iii）受fy视脑系统中关节感知和反应特征的启发，将上述突触前和突触后神经网络相结合，构建了fy视脑关节神经网络（FVBJNN）。

受大脑系统尖峰传递机制的启发，首次构建了基于FVBJNN的fy视觉脑关节全向碰撞检测（FVBJOCD）模型，实现了全景场景下的全向碰撞预警。