毛曉波 陳鐵軍

(鄭州大學(xué)電氣工程學(xué)院，鄭州 450001)

引言

給機(jī)器人配備智能雙眼，使其像人類一樣感知和獲取環(huán)境信息、快速準(zhǔn)確地切換注視點(diǎn)和跟蹤目標(biāo)，是人們夢(mèng)寐以求的愿望。為此，人們采用多種基于工學(xué)視角的方法和手段來構(gòu)建智能機(jī)器人視覺系統(tǒng)，使其具備了初步的“視覺”功能。但目前機(jī)器人“眼睛”的視線控制水平還較低級(jí)，在3D雙目協(xié)調(diào)聯(lián)動(dòng)、頭眼協(xié)調(diào)控制、對(duì)突然變化或不可預(yù)測(cè)的運(yùn)動(dòng)目標(biāo)的跟蹤、大視野與精確跟蹤之間的矛盾以及因劇烈震動(dòng)引起的視線偏離補(bǔ)償?shù)确矫娴膯栴}尚未得到很好的解決。相比之下，生物視覺經(jīng)過千百萬年的進(jìn)化已極其發(fā)達(dá)和完善，其優(yōu)異的視覺控制機(jī)理是機(jī)器人視覺研究的重要靈感源泉。近年來，視覺仿生研究日益受到重視，成為前沿交叉學(xué)科的研究熱點(diǎn)。根據(jù)模擬生物視覺的不同機(jī)理和不同的功能表現(xiàn)，視覺仿生研究可歸納為兩大方面［1］:一是從視覺感知、認(rèn)知的角度進(jìn)行研究;二是從眼球運(yùn)動(dòng)、視線控制的角度進(jìn)行研究。本文討論的是后者，總結(jié)了靈長(zhǎng)類動(dòng)物眼球運(yùn)動(dòng)的特點(diǎn)及其利用價(jià)值，對(duì)國內(nèi)外借鑒生物眼球運(yùn)動(dòng)神經(jīng)控制機(jī)理構(gòu)建仿生機(jī)器眼的研究現(xiàn)狀、存在的問題及未來發(fā)展趨勢(shì)做了全面綜述，并針對(duì)目前機(jī)器人視覺控制面臨的技術(shù)難題，提出了開展視覺仿生控制研究的新思路和新構(gòu)想。

1 靈長(zhǎng)類動(dòng)物眼球運(yùn)動(dòng)特點(diǎn)及其利用價(jià)值

對(duì)生物視覺原型的研究是進(jìn)行視覺仿生控制研究和構(gòu)建仿生機(jī)器眼的基礎(chǔ)。人類和其它靈長(zhǎng)類動(dòng)物的視覺系統(tǒng)包括眼球、視神經(jīng)和視覺中樞，其優(yōu)異的視覺控制性能源于其特殊的生理構(gòu)造和發(fā)達(dá)的中樞神經(jīng)控制機(jī)能。

1.1 視網(wǎng)膜視敏度非均勻分布

靈長(zhǎng)類動(dòng)物視網(wǎng)膜中央凹區(qū)(fovea)僅有約5°的視角范圍，光感受器高度集中于此，是視力最敏銳的區(qū)域。為了精細(xì)地識(shí)別物體，需要不斷地改變視線，使感興趣的目標(biāo)圖像落在fovea區(qū)?？焖傺矍驋咭曔\(yùn)動(dòng)(saccade)能夠有意識(shí)地改變視線、切換注視點(diǎn)至 Fovea附近，慢速平滑追隨運(yùn)動(dòng)(smooth pursuit)則做連續(xù)的反饋伺服運(yùn)動(dòng)，維持目標(biāo)圖像在fovea區(qū)域。Saccade和smooth pursuit受大腦不同神經(jīng)支配，前者由目標(biāo)位置驅(qū)動(dòng)，后者由速度驅(qū)動(dòng)，在追蹤變化目標(biāo)時(shí)通常兩種運(yùn)動(dòng)成分共存并不時(shí)地自動(dòng)切換。

視網(wǎng)膜非統(tǒng)一分辨率的特點(diǎn)和Saccade、smooth pursuit快慢模式實(shí)時(shí)切換的控制機(jī)理，對(duì)于機(jī)器人視覺跟蹤控制研究具有重要的啟示作用。

1.2 雙目聯(lián)動(dòng)性

人依靠眼球運(yùn)動(dòng)改變視線，雙目運(yùn)動(dòng)由各自的六條眼外肌協(xié)調(diào)控制，而支配眼外肌的神經(jīng)是第Ⅲ、Ⅳ、Ⅵ對(duì)顱神經(jīng)，根據(jù)大腦指令控制眼球做各種運(yùn)動(dòng)。來自兩個(gè)視網(wǎng)膜的神經(jīng)以半交叉的結(jié)構(gòu)通向左、右大腦半球，相互之間有豐富的神經(jīng)聯(lián)絡(luò)和一定的約束。雙眼是單個(gè)器官的兩個(gè)部分(Single double eye)，中樞神經(jīng)總是發(fā)出一對(duì)信號(hào)同時(shí)控制雙眼。因此，人眼視物總是雙目協(xié)調(diào)聯(lián)動(dòng)的。雙目視覺不僅補(bǔ)償了單眼視覺存在的盲點(diǎn)，擴(kuò)大了視野范圍，而且建立了深度感，形成立體視覺。研究雙目聯(lián)動(dòng)神經(jīng)機(jī)制和立體視覺形成機(jī)理，有助于攻克目前機(jī)器視覺雙目(一主一輔)聯(lián)動(dòng)性不夠、尋找對(duì)應(yīng)點(diǎn)困難等技術(shù)難題。

1.3 頭眼協(xié)調(diào)運(yùn)動(dòng)

人類有完備的頭眼協(xié)調(diào)運(yùn)動(dòng)機(jī)制。前庭器官與視覺系統(tǒng)密切相關(guān)，當(dāng)頭部旋轉(zhuǎn)時(shí)，前庭感受器感應(yīng)刺激而誘發(fā)不受大腦(意識(shí))控制的前庭動(dòng)眼反射(vestibulo-ocular reflex，VOR)運(yùn)動(dòng)，使得頭部轉(zhuǎn)動(dòng)期間驅(qū)使眼球做等量反向的旋轉(zhuǎn)去抵償頭部運(yùn)動(dòng)，以維持視線的相對(duì)穩(wěn)定，保持視網(wǎng)膜圖像的清晰。該機(jī)理可應(yīng)用于機(jī)器人視覺偏差補(bǔ)償算法研究中。

為了重新定位目標(biāo)或快速跟上目標(biāo)，靈長(zhǎng)類動(dòng)物需要迅速切換注視點(diǎn)。當(dāng)注視轉(zhuǎn)移(gaze shift)幅度較大時(shí)，除眼球做快速掃視運(yùn)動(dòng)以外，還需要頭頸部、甚至身體共同參與，且各個(gè)部位相互配合、協(xié)調(diào)運(yùn)動(dòng)，才能完成大角度視線轉(zhuǎn)移和目標(biāo)再定位。生物的頭、眼和身體如何精確無誤地協(xié)調(diào)組合產(chǎn)生統(tǒng)一的朝向目標(biāo)的動(dòng)作從而完成視線轉(zhuǎn)移，值得進(jìn)行深入研究并在機(jī)器人頭眼協(xié)調(diào)運(yùn)動(dòng)控制中加以利用。

2 視覺仿生控制研究現(xiàn)狀

2.1 國外研究進(jìn)展

自20世紀(jì)60年代開始，國外學(xué)者在模擬生物眼球運(yùn)動(dòng)方面進(jìn)行了大量的研究和嘗試。

2.1.1 掃視與平滑追蹤運(yùn)動(dòng)

Young等最早建立了掃視采樣模型［2］，輸入輸出分別為目標(biāo)位置和眼球位置，比較后的誤差信號(hào)進(jìn)入閾值電路，誤差超過閾值，經(jīng)掃視潛伏期200 ms延遲后觸發(fā)采樣器，控制眼球轉(zhuǎn)向新目標(biāo);誤差低于閾值，眼球停止運(yùn)動(dòng)。模型未考慮大腦的作用，當(dāng)時(shí)人們對(duì)腦干在眼球運(yùn)動(dòng)中的作用還知之甚少。此后，Robinson修改了Young的模型，模擬大腦并行處理特性，認(rèn)為前庭與眼球運(yùn)動(dòng)神經(jīng)核之間存在一個(gè)神經(jīng)積分器，與內(nèi)側(cè)縱束(MLF)構(gòu)成并行通路，MLF形成的超前網(wǎng)絡(luò)補(bǔ)償眼球運(yùn)動(dòng)裝置的滯后［3］。當(dāng)前眼位與目標(biāo)位置之差經(jīng)過脈沖發(fā)生器進(jìn)入并行通路，經(jīng)積分器后產(chǎn)生位置信號(hào)，與 MLF直接通路共同作用于眼球運(yùn)動(dòng)裝置，產(chǎn)生掃視運(yùn)動(dòng)。該模型具有里程碑意義，此后各種掃視模型均以此為基礎(chǔ)。1999年，Quaia根據(jù)最新的生理學(xué)實(shí)驗(yàn)數(shù)據(jù)指出，小腦在掃視中起著重要作用，模型應(yīng)包含兩個(gè)并行通路，上丘通路提供眼球運(yùn)動(dòng)的大致方向驅(qū)動(dòng)，小腦通路保證眼球準(zhǔn)確地對(duì)準(zhǔn)目標(biāo)［4］。

文獻(xiàn)［5］研究了獼猴和人眼的平滑追蹤運(yùn)動(dòng)，指出平滑追蹤與掃視不同，屬于眼球運(yùn)動(dòng)速度的連續(xù)負(fù)反饋系統(tǒng)，兩者發(fā)生的時(shí)間是獨(dú)立的，平滑追蹤的潛伏期約130 ms，利用內(nèi)部主動(dòng)反饋機(jī)制建立了平滑追蹤模型，模型參數(shù)依據(jù)人眼生理學(xué)數(shù)據(jù)推出，至今仍有參考價(jià)值。1987年，Lisberger等提出的平滑追蹤模型［6］，用視網(wǎng)膜運(yùn)動(dòng)信號(hào)作為并行網(wǎng)絡(luò)的輸入，產(chǎn)生加權(quán)視網(wǎng)膜位置、速度和加速度誤差信號(hào)，這些信號(hào)被組合之后經(jīng)積分器產(chǎn)生眼球速度指令，取得了較好的跟蹤效果，解決了最初采用簡(jiǎn)單比例誤差反饋伺服難以克服高增益與大延遲之間矛盾的問題。1989年，Deno等將動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型擴(kuò)展至平滑追蹤系統(tǒng)［7］。1990年，Brown研究了眼球運(yùn)動(dòng)生理延遲［8］，在 Robinson 模型［9］上增加 Smith 預(yù)測(cè)器解決回路延遲。1998年，Lunghi模擬大腦在視覺跟蹤中的預(yù)測(cè)機(jī)制設(shè)計(jì)了自適應(yīng)預(yù)測(cè)器，經(jīng)預(yù)先訓(xùn)練，在線修改神經(jīng)網(wǎng)絡(luò)參數(shù)，模擬人類補(bǔ)償130 ms生理延遲的機(jī)能［10］。

1995年之后，人們確認(rèn)在視覺跟蹤中，掃視和平滑追蹤同時(shí)并存、共同完成跟蹤任務(wù)，并開始研究?jī)煞N運(yùn)動(dòng)協(xié)調(diào)配合的復(fù)合模型。

Rivlin和Jessica Lee先后提出采用掃視和平滑追蹤兩種模式相互交替控制實(shí)現(xiàn)目標(biāo)跟蹤［11－13］。1998年，Rivlin設(shè)計(jì)最優(yōu)控制器控制兩種模式之間的快速轉(zhuǎn)換，平滑追蹤模式使目標(biāo)維持在中央凹區(qū)域，一旦目標(biāo)跑出凹區(qū)，立即切換至掃視模式，重新定位目標(biāo)后再切換回平滑追蹤模式。2005年，Jessica建立一種雙目對(duì)稱結(jié)構(gòu)控制器模型，采用內(nèi)部開關(guān)策略實(shí)現(xiàn)快慢兩種模式自動(dòng)切換［13］。

2002年，de Brouwer對(duì)獼猴進(jìn)行目標(biāo)跟蹤實(shí)驗(yàn)［14］得出兩個(gè)結(jié)論，一是掃視和平滑追蹤存在一種連續(xù)的重疊;二是視網(wǎng)膜滑動(dòng)信號(hào)為兩種運(yùn)動(dòng)所共享，這與傳統(tǒng)的兩個(gè)系統(tǒng)截然分開的結(jié)論不同。2003年，Blohm通過實(shí)驗(yàn)進(jìn)一步證實(shí)，在目標(biāo)跟蹤過程中，兩種運(yùn)動(dòng)能協(xié)調(diào)配合共同朝向同一個(gè)目標(biāo)，是因?yàn)閮烧吖蚕硗粋€(gè)信息源—目標(biāo)圖像的視網(wǎng)膜滑動(dòng)信息［15］，并首次給出位置信號(hào)輸入平滑追蹤運(yùn)動(dòng)的直接證據(jù)，并非此前普遍認(rèn)為的平滑追蹤僅靠速度誤差驅(qū)動(dòng)［16］。2006年后更多的研究確認(rèn)，掃視和平滑追蹤是受單一感覺運(yùn)動(dòng)機(jī)構(gòu)控制而輸出的兩種結(jié)果，它們共享共同的輸入信號(hào)，即:位置誤差和速度誤差，其輸出是相互協(xié)作的［17－18］。但中樞神經(jīng)如何切換不同的模式去共同完成視覺任務(wù)尚待進(jìn)一步探索。

事實(shí)上，人們?cè)诟淖円暰€時(shí)，不只是掃視和平滑追蹤兩種模式，輻合眼球運(yùn)動(dòng)(vergence eye movement)也常伴其中，因?yàn)槎鄶?shù)情況下，下一個(gè)目標(biāo)點(diǎn)不僅在方向上而且在深度上也有變化。2011年，Erkelens提出一種雙重視覺反饋模型［19］，充分考慮了saccade運(yùn)動(dòng)期間vergence的影響。同樣，平滑追蹤過程中也有輻合眼動(dòng)的成分，目前尚未見到包含掃視、平滑追蹤和輻合運(yùn)動(dòng)在內(nèi)的復(fù)合眼球運(yùn)動(dòng)模型。

2.1.2 反射性眼球運(yùn)動(dòng)

從驅(qū)動(dòng)眼動(dòng)的動(dòng)力源來分的話，眼動(dòng)有與注意有 關(guān) 的 眼 動(dòng) (如 述 saccades、smooth pursuit、vergence)和與頭動(dòng)相關(guān)的眼動(dòng)(即反射性眼動(dòng)，如VOR和OKR)兩類。為補(bǔ)償頭部運(yùn)動(dòng)對(duì)穩(wěn)定在視網(wǎng)膜中央凹目標(biāo)圖像的擾動(dòng)，靈長(zhǎng)類動(dòng)物依靠前庭器官感應(yīng)頭部運(yùn)動(dòng)并進(jìn)行調(diào)節(jié)。1992年，Gomi等提出一種前庭動(dòng)眼反射-視動(dòng)反射(VOR-OKR)反饋誤差神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型［20］，模擬生物 VOR-OKR自適應(yīng)機(jī)制，指出學(xué)習(xí)過程發(fā)生在小腦葉片。但Raymond則認(rèn)為學(xué)習(xí)既發(fā)生于小腦葉片又發(fā)生于腦干［21］。Shibata在 VOR-OKR系統(tǒng)中增加了反饋誤差學(xué)習(xí)控制器，模擬小腦學(xué)習(xí)機(jī)能，改善系統(tǒng)的非線性、通路延遲，提高收斂速度［22］。2005年，Merfeld和Ramat分析了由半規(guī)管感應(yīng)頭部旋轉(zhuǎn)產(chǎn)生的旋轉(zhuǎn)前庭動(dòng)眼反射rVOR和由耳石感應(yīng)頭部平移產(chǎn)生的平移前庭動(dòng)眼反射 tVOR，分別建立了模擬人類的tVOR 和 rVOR 模型［23，24］。文獻(xiàn)［25］利用仿生機(jī)器人iCub robot對(duì)兩種常見的VOR模型進(jìn)行了模擬實(shí)驗(yàn)，分析了小腦在自適應(yīng)特性及圖像穩(wěn)定中的重要作用。

VOR也常在輻合、平滑追蹤等運(yùn)動(dòng)中相伴出現(xiàn)構(gòu)成復(fù)合眼球運(yùn)動(dòng)。2007年，Khojasteh在黑暗環(huán)境中測(cè)試眼球運(yùn)動(dòng)發(fā)現(xiàn)，VOR中雙眼共軛運(yùn)動(dòng)伴隨有輻合運(yùn)動(dòng)，且輻合運(yùn)動(dòng)與頭部旋轉(zhuǎn)速度有關(guān)，說明前庭器官對(duì)輻合眼動(dòng)系統(tǒng)有貢獻(xiàn)［26］。而此前普遍認(rèn)為VOR期間的雙眼運(yùn)動(dòng)是完美的共軛運(yùn)動(dòng)。Ojima指出，生物眼球運(yùn)動(dòng)具有典型的自適應(yīng)控制機(jī)制，能夠根據(jù)環(huán)境變化立即做出相應(yīng)的變化和適當(dāng)?shù)捻憫?yīng)，受此啟發(fā)，提出一種非線性耦合神經(jīng)振蕩器網(wǎng)絡(luò)模型及空間-時(shí)間學(xué)習(xí)算法，獲得了平滑追蹤中指令信號(hào)與運(yùn)動(dòng)增益及相位滯后的關(guān)系，建立的平滑追蹤－VOR復(fù)合模型，改善了目標(biāo)跟蹤特性［27］。

2.1.3 注視轉(zhuǎn)移中頭眼協(xié)調(diào)運(yùn)動(dòng)

當(dāng)注視轉(zhuǎn)移幅度較小時(shí)，靈長(zhǎng)類動(dòng)物只需眼球掃視即可完成注視點(diǎn)切換;但當(dāng)轉(zhuǎn)移幅度較大時(shí)，除掃視外，還伴隨頭、頸，甚至身體的運(yùn)動(dòng)，這些運(yùn)動(dòng)如何協(xié)調(diào)配合引起了人們的極大興趣，如:視網(wǎng)膜獲得的位移誤差信號(hào)在何處按何必例分解為眼部和頭部位移信號(hào)?初始眼位如何影響眼部和頭部運(yùn)動(dòng)的貢獻(xiàn)比例?大腦在何處編碼了視網(wǎng)膜坐標(biāo)系和以頭部為中心的坐標(biāo)系?等等。關(guān)于頭眼協(xié)調(diào)運(yùn)動(dòng)神經(jīng)機(jī)理，出現(xiàn)了不同的觀點(diǎn)，如:“單獨(dú)通道假說”認(rèn)為眼部和頭部控制信號(hào)來自于上丘的不同路徑［28］;“注視分解假說”認(rèn)為上丘編碼眼部、頭部運(yùn)動(dòng)命令之和，之后分解為眼部和頭部位移信號(hào)［29－30］;“小腦假說”認(rèn)為上丘中間過渡層細(xì)胞與掃視緊密關(guān)聯(lián)，注視位移信號(hào)在小腦中被分解為頭部和眼部幅度［31］;而文獻(xiàn)［32］則研究和總結(jié)了垂直方向注視轉(zhuǎn)移模型的構(gòu)建與水平方向的不同及其內(nèi)在聯(lián)系。2009年之后，人們提出了頭眼協(xié)調(diào)運(yùn)動(dòng)的最優(yōu)控制方法［33－34］，文獻(xiàn)［33］運(yùn)用最優(yōu)控制理論研究了頭眼運(yùn)動(dòng)與注視轉(zhuǎn)移的關(guān)系，提出頭眼運(yùn)動(dòng)最小貢獻(xiàn)力為準(zhǔn)則的最優(yōu)控制方法，并轉(zhuǎn)化為求解兩點(diǎn)邊值問題的微分方程組，仿真結(jié)果印證了“頭、眼分別受控制于不同的控制器”的結(jié)論。但該研究提出的模型不具備生物的自學(xué)習(xí)機(jī)能，文獻(xiàn)［35］在此基礎(chǔ)上提出了一種自學(xué)習(xí)最優(yōu)控制模型，在注視轉(zhuǎn)移過程中自適應(yīng)調(diào)整控制器參數(shù)，對(duì)于再現(xiàn)生物頭眼協(xié)調(diào)特性更近了一步。

文獻(xiàn)［36］通過研究猴子頭部固定和頭部自由運(yùn)動(dòng)兩種情況下眼球運(yùn)動(dòng)的協(xié)調(diào)驅(qū)動(dòng)特性，認(rèn)為是神經(jīng)積分器和前庭器官中的burst-tonic神經(jīng)元在調(diào)整頭部運(yùn)動(dòng)時(shí)眼球的速度。文獻(xiàn)［37］通過分析視覺重定位中頭、眼運(yùn)動(dòng)的實(shí)驗(yàn)數(shù)據(jù)，提出建立頭眼協(xié)調(diào)運(yùn)動(dòng)模型還須考慮一些尚未解決的問題，如:初始眼位對(duì)頭眼相對(duì)貢獻(xiàn)的作用;增加頭部速度對(duì)掃視的影響;頭眼協(xié)調(diào)運(yùn)動(dòng)中眼球速度曲線的雙峰現(xiàn)象;掃視過程中VOR的失敗等。進(jìn)一步研究導(dǎo)致這些現(xiàn)象的神經(jīng)機(jī)制，才能揭示各運(yùn)動(dòng)子系統(tǒng)之間相互協(xié)調(diào)的本質(zhì)。

2.1.4 固視微動(dòng)

人眼在注視靜止目標(biāo)時(shí)，眼球仍處于高頻率無意識(shí)的振動(dòng)之中，一旦振動(dòng)停止，成像就會(huì)變得模糊，這種振動(dòng)保證了圖像的獲取質(zhì)量。人眼的微動(dòng)機(jī)制啟發(fā)人們?nèi)ツM眼球振動(dòng)來改善圖像質(zhì)量［38－39］。張曉林等認(rèn)為，當(dāng)人眼凝視靜止物體時(shí)，眼球自身的震顫(固視微動(dòng))具有突出物體邊緣的作用且包含深度信息［39］。通過特制的攝像機(jī)振動(dòng)裝置模擬固視微動(dòng)所做的實(shí)驗(yàn)確認(rèn)了這一推斷，提取出來的物體邊緣寬度與物體在場(chǎng)景中所處的位置，即物體的景深有一定數(shù)量上的關(guān)系。這項(xiàng)實(shí)驗(yàn)雖是初步的，但給立體視覺研究提供了一個(gè)新的啟示。

事實(shí)上，生物眼球運(yùn)動(dòng)在大多數(shù)情況下是包含上述多種運(yùn)動(dòng)成分的復(fù)合運(yùn)動(dòng)。張曉林等研制了雙眼水平運(yùn)動(dòng)實(shí)驗(yàn)裝置 ，用兩組廣角鏡和望遠(yuǎn)鏡作為仿生雙眼，其中望遠(yuǎn)鏡模擬中央凹視覺，廣角鏡模擬周邊視覺;轉(zhuǎn)角和加速度傳感器模擬前庭半規(guī)管功能，預(yù)測(cè)頭部運(yùn)動(dòng);經(jīng)圖像處理與控制模塊輸出驅(qū)動(dòng)電機(jī)，控制眼球做掃視、平滑追蹤和VOR等多種水平眼球運(yùn)動(dòng)。

此外，人們還研究了眼球運(yùn)動(dòng)系統(tǒng)中神經(jīng)積分器的作用［41］、眼球運(yùn)動(dòng)的腦干控制機(jī)理［42－43］，眼球運(yùn)動(dòng)與感知［44］，以及眼球－頭頸的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特性［45］等，仿生眼的研究在國外成為前沿研究熱點(diǎn)。

2.2 國內(nèi)研究現(xiàn)狀

國內(nèi)視覺仿生研究多集中于視覺感知認(rèn)知及信息處理方面，在仿生眼運(yùn)動(dòng)控制方面的研究還很少。上海大學(xué)與日本東京工業(yè)大學(xué)合作，嘗試將仿生眼用于低空跟蹤地面目標(biāo)的機(jī)載云臺(tái)控制［46］。華南理工大學(xué)基于眼球生理模型開發(fā)機(jī)器人眼球運(yùn)動(dòng)控制軟件，用于跟蹤和定位活動(dòng)人臉［47］。上海交通大學(xué)研究機(jī)器人注視控制問題，分段實(shí)現(xiàn)頭眼協(xié)調(diào)運(yùn)動(dòng)控制及注視點(diǎn)與深度的關(guān)系，給出帶幾何約束的運(yùn)動(dòng)學(xué)方程［48］。陳維毅等根據(jù)眼球解剖結(jié)構(gòu)，提出在眼外肌作用下的動(dòng)力學(xué)方程組［49］等。除此以外，尚未見到更多的同類研究報(bào)道，仿生眼的研究尚處于起步階段。

3 視覺控制面臨的問題及對(duì)策

目前機(jī)器人眼的研究多是基于工學(xué)方法，利用左右攝像機(jī)獲得目標(biāo)圖像分別進(jìn)行處理，左右眼和頭頸缺乏協(xié)調(diào)聯(lián)動(dòng)機(jī)制，在雙目、頭眼協(xié)調(diào)運(yùn)動(dòng)、視線偏離補(bǔ)償、不確定目標(biāo)追蹤等方面存在諸多技術(shù)障礙，采用仿生技術(shù)是尋求解決這些問題的重要途徑。

仿生機(jī)器眼的研究屬于多學(xué)科交叉研究課題，涉及神經(jīng)生理學(xué)、仿生學(xué)、控制科學(xué)和計(jì)算機(jī)科學(xué)等。國內(nèi)外學(xué)者從各自學(xué)科的角度進(jìn)行了多種嘗試，但仍存在大量的問題需進(jìn)一步研究和探討。

3.1 建立完善的仿生眼模型，為仿生眼的工程化實(shí)用化奠定基礎(chǔ)

國外進(jìn)行此類研究的多是神經(jīng)生理學(xué)者，通過生理學(xué)實(shí)驗(yàn)及數(shù)據(jù)分析，探索眼球運(yùn)動(dòng)的神經(jīng)機(jī)理和病理特征，為醫(yī)學(xué)臨床提供技術(shù)支持，研究結(jié)果大都止步于生理模型，較少考慮其工程實(shí)現(xiàn)和應(yīng)用?；趪馍韺W(xué)研究成果，采用工程仿生學(xué)和控制理論相結(jié)合的方法，將視覺控制生理模型轉(zhuǎn)化為工程技術(shù)模型，實(shí)現(xiàn)生物視覺的優(yōu)異性能，從根本上解決機(jī)器視覺面臨的技術(shù)難題，是智能機(jī)器人研究的重要方向。

目前文獻(xiàn)中的仿生眼模型只模擬了人眼的一種或兩種運(yùn)動(dòng)，且多為單眼或雙眼一維水平運(yùn)動(dòng)。普遍采用掃視與平滑追蹤分離的機(jī)制，難以同時(shí)實(shí)現(xiàn)多種眼球運(yùn)動(dòng)。進(jìn)一步研究各種眼球運(yùn)動(dòng)之間的內(nèi)部關(guān)聯(lián)與神經(jīng)機(jī)理，建立多自由度非線性仿生雙眼運(yùn)動(dòng)模型，同時(shí)實(shí)現(xiàn)掃視、平滑追蹤、異向運(yùn)動(dòng)和反射運(yùn)動(dòng)等多種眼球運(yùn)動(dòng)，尚需進(jìn)行大量的研究。

3.2 引入生物神經(jīng)控制機(jī)理，解決機(jī)器人3D頭眼協(xié)調(diào)控制問題

當(dāng)進(jìn)行大幅度視線轉(zhuǎn)移時(shí)，機(jī)器人的關(guān)節(jié)冗余需要有效地協(xié)調(diào)頭部和雙目的運(yùn)動(dòng)。目前提出的頭眼協(xié)調(diào)運(yùn)動(dòng)系統(tǒng)及學(xué)習(xí)算法多是基于水平方向的二維頭眼系統(tǒng)［50］，雖有學(xué)者提出3D頭眼協(xié)調(diào)運(yùn)動(dòng)控制算法［48］，但采用的是先雙目聚焦，再轉(zhuǎn)動(dòng)頭部，后做眼睛補(bǔ)償?shù)摹胺謺r(shí)”“分段”執(zhí)行方法，并未真正實(shí)現(xiàn)頭眼同時(shí)轉(zhuǎn)向目標(biāo)中的協(xié)調(diào)控制。目前3D頭眼協(xié)調(diào)運(yùn)動(dòng)仍是一項(xiàng)有待突破的技術(shù)難關(guān)。

從生物頭眼協(xié)調(diào)運(yùn)動(dòng)中獲取靈感，研究靈長(zhǎng)類動(dòng)物頭、眼和身體協(xié)調(diào)組合完成視線轉(zhuǎn)移的神經(jīng)控制機(jī)理，設(shè)計(jì)雙目頭頸協(xié)調(diào)運(yùn)動(dòng)控制算法，解決機(jī)器人3D頭眼協(xié)調(diào)控制問題不失為一條重要的研究途徑。

3.3 研究人眼跟蹤目標(biāo)的機(jī)理，解決隨意性運(yùn)動(dòng)目標(biāo)跟蹤的快速性和準(zhǔn)確性問題

機(jī)器人“眼”的重要功能之一是視覺跟蹤，目前常采用視覺伺服反饋控制的方法，但對(duì)于突然、快速變化以及行蹤無常的目標(biāo)，常出現(xiàn)目標(biāo)丟失、跟蹤失敗的現(xiàn)象。

人眼在跟蹤變化無常的目標(biāo)中表現(xiàn)出的非凡才能源于其視覺系統(tǒng)中眼球快速掃視和慢速平穩(wěn)追隨之間的協(xié)調(diào)配合和實(shí)時(shí)切換。

深入研究人類眼球運(yùn)動(dòng)模式自動(dòng)切換快速準(zhǔn)確跟蹤目標(biāo)的神經(jīng)生理機(jī)制，將視覺跟蹤中掃視(saccade，事件驅(qū)動(dòng))和平穩(wěn)追隨(smooth pursuit，速度連續(xù)驅(qū)動(dòng))模式的切換看作混雜系統(tǒng)的自適應(yīng)最優(yōu)控制問題加以研究，以期解決隨意性運(yùn)動(dòng)目標(biāo)跟蹤的快速性和準(zhǔn)確性問題。其中兩種模式之間的最佳切換時(shí)機(jī)和預(yù)測(cè)算法是研究的關(guān)鍵技術(shù)。

3.4 模擬人類反射性眼球運(yùn)動(dòng)機(jī)理，解決大范圍視線偏離補(bǔ)償問題

機(jī)器人在顛簸路段行走或在復(fù)雜的非結(jié)構(gòu)化環(huán)境中作業(yè)時(shí)，自身機(jī)體振動(dòng)或姿態(tài)發(fā)生變化會(huì)引起較大的視線偏離。通常采用圖像處理(特征提取、目標(biāo)檢測(cè)與匹配、空間位置計(jì)算等)的方法來調(diào)節(jié)伺服機(jī)械云臺(tái)，但補(bǔ)償范圍小，圖像穩(wěn)定性差，尚無解決大視線偏離的辦法［51］。

人眼具有很強(qiáng)的自適應(yīng)和自調(diào)節(jié)功能，當(dāng)頭部和身體姿態(tài)發(fā)生變化或背景動(dòng)態(tài)變化時(shí)，仍能清楚地注視和跟蹤目標(biāo)，緣于其前庭動(dòng)眼反射(VOR)和視動(dòng)反射(OKR)機(jī)能。研究人類反射性眼球運(yùn)動(dòng)機(jī)理，建立由基于視網(wǎng)膜滑動(dòng)信息的反饋控制器和基于前庭輸入的前饋控制器組成的自適應(yīng)VOROKR模型，主動(dòng)補(bǔ)償由機(jī)器人姿態(tài)本體變化引起的視覺誤差，解決機(jī)器人大范圍視覺偏差補(bǔ)償問題。

3.5 生物視覺控制機(jī)理的進(jìn)一步研究

人們對(duì)生物視覺在更高層次上的控制機(jī)理還未完全探明，有些機(jī)理尚存爭(zhēng)議，如雙目聯(lián)動(dòng)、頭眼協(xié)調(diào)等尚無確定的函數(shù)關(guān)系，目前只能與生理學(xué)實(shí)驗(yàn)結(jié)果相比較來驗(yàn)證模型的正確性。另外，小腦在視覺跟蹤中的學(xué)習(xí)、校正和協(xié)調(diào)作用，視覺認(rèn)識(shí)與運(yùn)動(dòng)控制的緊密結(jié)合等均值得進(jìn)一步研究。

4 結(jié)語

“物競(jìng)天擇”的生物世界為人類技術(shù)創(chuàng)新提供了天然寶庫和學(xué)習(xí)泉源。生物眼球運(yùn)動(dòng)控制不僅涉及眼和頭的活動(dòng)，更與中樞神經(jīng)活動(dòng)密切相關(guān)，是大腦控制策略的一種行為表現(xiàn)，其研究涉及神經(jīng)生理學(xué)、仿生學(xué)、控制科學(xué)及計(jì)算機(jī)視覺等多個(gè)學(xué)科，需要用多學(xué)科交叉融合的方法開展研究，同時(shí)要明確研究的目的，不要刻意地為模仿而仿生。

事實(shí)上，生物視覺神經(jīng)控制機(jī)理十分復(fù)雜，且受到大腦主觀意志等因素的影響。仿生眼不可能也沒必要完全真實(shí)地模擬生物眼。應(yīng)采用開放的思維方式，借鑒生物的機(jī)理，結(jié)合機(jī)器的特點(diǎn)，生物與機(jī)器優(yōu)勢(shì)互補(bǔ)，用新理論、新方法為機(jī)器人配備一雙“生理參數(shù)”最優(yōu)的智能眼，大幅度提高機(jī)器人視覺控制水平。

［1］毛曉波.仿生機(jī)器眼運(yùn)動(dòng)系統(tǒng)建模與控制研究［D］.鄭州:鄭州大學(xué).2011.

［2］Young LR，Stark L.Variable feedback experiments testing a sampled data model for eye tracking movements［J］.IEEE Transactions on Human Factors in Electronics，1963，4(1):38－51.

［3］Robinson DA.Models of the saccadic eye movement control system［J］.Kybernetik，1973，14(2):71 －83.

［4］Quaia C，Philippe L，Lance MO.Model of the control of saccadesby superior colliculus and cerebellum［J］. J Neurophysiol，1999，82:999 － 1018.

［5］Robinson DA，Gordon JL，Gordon SE.A model of the smooth pursuit eye movement system ［J］. Biological Cybernetics，1986，55(1):43 －57.

［6］Lisberger SG，Morris EJ，Tychsen L.Visual motion processing and sensory-motor integration for smooth pursuit eye movements［J］.Annual Review of Neuroscience，1987，10:97 － 129.

［7］Deno DC，Keller EL，Crandall WF.Dynamical neural network organization of the visual pursuit system［J］.IEEE Transactions on Biomedical Engineering，1989，36(1):85 － 92.

［8］Christopher B.Gaze controls with interactions and delays［J］.IEEE Transactions on Systems，Man，and Cybernetics.1990，20(1):518－527.

［9］Robinson DA，Gordon JL，Gordon SE.A model of the smooth pursuit eye movement system ［J］. Biological Cybernetics，1986，55(1):43 －57.

［10］Lunghi F，Lazzari S，Magenes G.Neural adaptive predictor for visual tracking system［C］ //Proceedings of the 20th Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Hong Kong:IEEE Press，1998(3):1389－1392.

［11］Rivlin E，RotsteinH，ZeeviYY. Two-modecontrol:an oculomotor-based approach totrackingsystems［J］. IEEE Transactions on Automatic Control，1998，43(6):833 － 842.

［12］Rivlin E，Rotstein H.Control of a camera for active vision:Foveal vision，smooth tracking and saccade［J］.International Journal of Computer Vision，2000，39(2):81－96.

［13］Jessica LW，Galiana HL.An internally switched model of ocular tracking with prediction［J］. IEEE Transactions on Neural Systems and Rehabilitation Engineering，2005，13(2):186 －193.

［14］Sophie dB，Marcus M，Graham B，et al.Quantitative analysis of catch-up saccades during sustained pursuit［J］. J Neurophysiol，2002，87(4):1772 － 1780.

［15］Blohm G，Marcus M，Philippe L.Interaction between smooth anticipation and saccades during ocular orientation in darkness［J］.J Neurophysiol，2003，89:1423 － 1433.

［16］Blohm G，Marcus M，Philippe L.Direct evidence for a position input to the smooth pursuit system［J］.J Neurophysiol，2005，94:712－721.

［17］Burke MR，Barnes GR.Quantitative differences in smooth pursuit and saccadic eye movements［J］.Exp Brain Res，2006，175(4):596－608.

［18］Orban de Xivry JJ，Lefevre P. Saccades and pursuit:two outcomes of a single sensorimotor process［J］. Journal of Physiology，2007，584(1):11－23.

［19］Erkelens CJ.A dual visual-local feedback model of the vergence eye movement system［J］.Journal of Vision，2011，11(10):21，1－14.

［20］Gomi H，Kawato M.Adaptive feedback control models of the vestibulocerebellum and spinocerebellum ［J］. Biological Cybernetics，1992，68(2):105 －114.

［21］Raymond J，Lisberger S.Neural learning rules for the vestibuloocular reflex［J］.Journal of Neuroscience，1998，18(21):9112－9129.

［22］Shibata T，Schaal S.Biomimetic gaze stabilization based on feedback-error-learning with nonparametric regression networks［J］.Neural Networks，2001，14(2):201 －216.

［23］Merfeld DM，SukyungP，ClaireGPF，etal. Vestibular perception and action employ qualitatively different mechanisms.I.Frequency response of VOR and perceptual responses during translation and tilt［J］.J Neurophysiol，2005，94:186 － 198.

［24］Ramat S，Dominik S，David SZ.Interaural translational VOR:suppression，enhancement，and cognitive control［J］. J Neurophysiol，2005，94:2391 －2402.

［25］Franchi E，F(xiàn)alotico E，Zambrano D，et al.A comparison between two bio-inspired adaptive models of Vestibulo-Ocular Reflex(VOR)implemented on the iCub robot［C］ //201010th IEEE-RAS InternationalConference on Humanoid Robots.Nashville:IEEE Press，2010:251－256.

［26］Khojasteh E，Galiana HL.Modulation of vergence during the vestibulo-ocular reflex［C］ //Proceedings of the 29th Annual International Conference of the IEEE EMBS，Lyon:IEEE Press，2007:23－26.

［27］Ojima S，Yano S.Eye movement model with neural oscillators［C］ //Proceedings of the IEEE International Conference on Neural Networks.Perth:IEEE Press，1995:2297 －2302.

［28］May PJ，PorterJD. Thelaminardistribution ofmacaque tectobulbar and tectospinal neurons［J］.Visual Neuroscience，1992，8(3):257 －276.

［29］Freedman EG，Sparks DL.Eye-head coordination during headunrestrained gaze shifts in rhesus monkeys［J］.Journal of Neurophysiology，1997，77(5):2328 －2348.

［30］Freedman EG，Sparks DL.Activity of cells in the deeper layers of the superior colliculus of the rhesus monkey:Evidence for a gaze displacement command［J］.Journal of Neurophysiology，1997，78(3):1669 －1690.

［31］Wang Xiaoxing，Jin Jesse，Jabri M.Neural network models for the gaze shift system in the superior colliculus and cerebellum［J］.Neural Networks，2002，15:811 － 832.

［32］Rubio-Perez MA，Galvez-Ruiz AL，Sepulveda-Gazquez M，et al.Review of the model of vertical gaze control［J］.Revista De Neurologia，2011，53(8):477 －482.

［33］Andreas AK，Adonis KM.Optimal control of gaze shifts［J］.The Journal of Neuroscience，2009，29(24):7723 －7730.

［34］Saglam M，Lehnen N，Glasauer S.Optimal control of natural eye-head movements minimizes the impact of noise［J］.Journal of Neuroscience，2011，31(45):16185－16193.

［35］Saeb S，Weber C，Triesch J.Learning the optimal control of coordinated eye and head movements［J］.PLoS Comput Biol，2011，7(11):1－12.

［36］Bechara BP，Gandhi NJ.Matching the oculomotor drive during head-restrained and head-unrestrained gaze shifts in monkey［J］.J Neurophysiol，2010，104(2):811 － 828.

［37］Freedman EG.Coordination of the eyes and head during visual orienting［J］.Exp Brain Res，2008，190(4):369 －387.

［38］Engbert R，Mergenthaler K，Sinn P，et al.An integrated model of fixational eye movements and microsaccades［J］.Proceedings of the National Academy of Sciences of the United States of American，2011，108(39):E765 － E770.

［39］張暁林，川合拓郎，熊澤逸夫，等.両眼固視微動(dòng)を用いた立體エッジ畫像生成法［C］//高木幹雄.第11回畫像センシングシンポジウム講演論文集.橫濱:畫像センシング技術(shù)研究會(huì)，2005:303－306.

［40］張暁林，若松秀俊.両眼運(yùn)動(dòng)制御メカニズムの數(shù)學(xué)モデルと視軸制御システムの構(gòu)築［J］.日本ロボット學(xué)會(huì)誌，2002，20(1):89 －97.

［41］Chan WWP，Galiana HL.A nonlinear model of the neural integrator improves detection of deficits in the human VOR［J］.IEEE Transactions on Biomedical Engineering，2010，57(5):1012－1023.

［42］Alkan Y，Gohel S，Biswal BB.Functional connectivity in oculomotor movements［C］ //Proceedings of the IEEE 36th Annual Northeast Bioengineering Conference.New York:IEEE Press，2010:1 －2.

［43］Hafed ZM，Krauzlis RJ.Similarity of superior colliculusinvolvement in microsaccade and saccade generation［J］.J Neurophysiol，2012，107:1904 － 1916.

［44］Schutz AC，Braun DI，Gegenfurtner KR，et al.Eye movements and perception:A selective review［J］.Journal of vision，2011，11(5):1－30.

［45］Farshadmanesh F，Byrne P，Keith GP，et al.Cross-validated models of the relationships between neck muscle electromyography and three-dimensional head kinematics during gaze behavior［J］.J Neurophysiol，2011，107(2):573 － 590.

［46］鄒海榮.低空跟蹤地面目標(biāo)的機(jī)載云臺(tái)運(yùn)動(dòng)仿生控制［D］.上海:上海大學(xué)，2007.

［47］黃素媚，肖南峰.仿人形機(jī)器人兩眼運(yùn)動(dòng)模型和控制方法研究［J］.系統(tǒng)仿真學(xué)報(bào)，2005，17(9):2065－2069.

［48］顧立忠，蘇劍波.仿人機(jī)器人的頭眼協(xié)調(diào)運(yùn)動(dòng)控制研究［J］.機(jī)器人，2008，30(2):165－170.

［49］陳維毅，楊桂通，吳文周.人體眼球的運(yùn)動(dòng)模型及相應(yīng)的動(dòng)力學(xué)方程組［J］.中國生物醫(yī)學(xué)工程學(xué)報(bào)，2000，19(3):266－271.

［50］Kardamakis AA，Grantyn A，Moschovakis AK.Neural network simulations of the primate oculomotor system.V.Eye– head gaze shifts［J］.Biol Cybern，2010，102(3):209 －225.

［51］李恒宇，羅均，李超，等.基于眼球前庭動(dòng)眼反射的機(jī)器人視覺誤差主動(dòng)補(bǔ)償方法［J］.機(jī)器人，2011，33(1):191－197.