基于事件相机与神经形态计算的高动态范围里程计与避障系统设计.docxVIP

PAGE2

基于事件相机与神经形态计算的高动态范围里程计与避障系统设计

摘要

移动机器人在高速运动、光照剧烈变化等极端动态场景下的自主导航，始终是视觉里程计领域的核心痛点。传统帧相机因固定曝光时间与有限动态范围，在强光突变、运动模糊等条件下极易丢失位姿估计线索，导致系统失效。事件相机受生物视觉启发，以异步脉冲流形式输出像素级亮度变化，天然具备微秒级时间分辨率与超过120dB的高动态范围，为解决上述难题提供了全新数据范式。

本文围绕事件相机输出的异步脉冲流，设计并实现了一套基于神经形态计算的高动态范围里程计与避障系统。研究首先分析了事件流数据特性与机器人避障对实时性、鲁棒性的需求，明确了系统功能与非功能指标。随后，在总体设计层面，构建了“事件预处理—脉冲特征提取—位姿估计—局部建图—避障决策”的分层架构，并定义了各模块间的脉冲数据接口。在详细设计中，重点设计了基于脉冲卷积网络的事件表面生成算法、基于脉冲神经网络的位姿回归网络，以及融合光流与深度的碰撞预测算法。系统实现阶段，完成了从事件流采集、脉冲神经网络推理到位姿输出与避障指令生成的全链路开发，并针对脉冲时序对齐、光照突变下特征退化等难点提出了解决方案。测试结果表明，系统在高速旋转与频繁光照突变场景下，位姿估计相对误差小于1.2%，避障成功率达94.7%，动态范围达130dB，验证了神经形态计算在鲁棒视觉里程计中的巨大潜力