据外媒报道，韩国光州科学技术院（Gwangju Institute of Science and Technology，GIST）从猫眼瞳孔形状中获得灵感，研发了一种新型计算机视觉技术，可在不同光照条件下，提升自动驾驶系统的图像清晰度和聚焦能力。
猫眼（图片来源：imveurope.com）
自动驾驶汽车、无人机以及其他自动驾驶系统的视野范围比人眼更远，能够识别和跟踪百米之外的物体，并做出相应的反应。但是，当遇到雨和雾等不太理想的天气和光照条件时，其摄像头和传感器就会受到影响。
受自然界启发的自动驾驶视觉系统
受自然界启发，例如蜜蜂如何在使用少量神经硬件和能量的情况下完成寻找和定位任务；以及蜣螂如何提升无人机在低光照条件下的导航能力，研究人员现在受猫眼的启发研发出新型计算机视觉系统，以帮助无人机和自动驾驶汽车更清楚地观察周围环境。
受猫眼启发的视觉系统的工作原理
韩国光州科学技术院的科学家们使用先进激光和传感器（根据猫科动物眼睛结构建模），研发了该款新型视觉系统，能够在光线充足和黑暗的环境下，实现卓越的物体探测与识别能力。
在白天，猫的眼睛瞳孔呈垂直的细缝状，有助于过滤光线、减少眩光。当夜幕降临时，瞳孔就会扩张成更宽的形状，以便接纳更多的光线；同时，“照膜”（tapetum lucidum，位于部分动物眼睛视网膜的反光层）会将可见光反射回视网膜，从而增加感光细胞接收到的光线量。
该款新型视觉系统在光线明亮的情况下，同样采用类似细缝的开口来过滤不必要的光线，从而帮助其聚焦在单个物体上，而且用反光层来提高在低光照条件下的可见性。
GIST电子工程系的教授兼论文主要作者Young Min Song指出：“在繁忙或伪装的背景环境中，机器人摄像头难以识别物体，特别是在光线条件发生变化的情况下。我们的设计使机器人能够模糊掉不必要的细节，专注于关键物体，从而有效解决了这一问题。”
机器学习神经网络提升物体感知
虽然基于猫眼设计的视觉系统能够将背景物体模糊化，以帮助其专注于目标物体，但是基于人脑处理信息方式的机器学习神经网络可帮助该系统能够识别出物体的重要性等级。
实际应用与未来潜在应用
该系统若要部署在实际环境和商业场景中，其视场的像素分辨率仍需得到进一步提升。不过，研究人员希望未来可以将其集成至无人机、机器人和其他自动驾驶汽车以及监控应用中，尤其是在不断变化的环境中。
