摘要
尽管昆虫的神经资源有限，但它们仍能实现快速而精确的碰撞检测。这种效率为人工碰撞检测系统的开发提供了重要的参考。现有的生物启发模型通常包括基于LGMD（Local Gradient Magnetic Detection）的方法和基于相关性的方法。前者由于严重依赖帧间强度差异，导致警告时间与物体在背景中的对比度存在非线性依赖关系。而后者虽然通过利用延迟和相关性机制获得的局部运动信息有效地描述了运动感知，但缺乏精确的空间边界，无法在无关的背景动态中区分实际的运动目标。在本文中，我们提出了一种生物启发的视觉系统，该系统采用运动轮廓引导机制来抑制误报的背景运动，同时实现与对比度无关的逼近警告生成。具体来说，所提出的视觉系统由两条协同工作的路径组成。第一条路径旨在通过神经元集合编码提取运动线索和空间运动感知；第二条路径则通过几何轮廓演化来提取运动目标的轮廓。通过将这种提取的轮廓与局部运动线索相结合，系统分析目标边界的动态变化，以识别潜在的碰撞威胁。得益于结构和运动的融合，实验结果表明，所提出的视觉系统在各种对比度场景下的碰撞检测性能优于传统的生物启发模型。
