第二章：视觉感知基础
各位同学，今天我们来聊聊视觉感知的底层逻辑。说白了，就是搞清楚「人眼怎么看世界」以及「仿生眼该怎么学」。我做了这么多年仿生眼硬件，最深的体会是：不懂人眼机制，做出来的仿生眼就是个高级摄像头，不是眼睛。
2.1 人眼视觉机制
人眼不是相机，它比相机复杂得多。我刚开始接触这个领域时，总觉得视网膜就是个CMOS传感器。后来被现实狠狠教育了一顿——视网膜本身就是一个预处理芯片。
2.1.1 视网膜：被低估的神经网络
视网膜不是简单的感光膜。它分五层细胞：感光细胞层、水平细胞层、双极细胞层、无长突细胞层、神经节细胞层。每一层都在做信号处理。
关键认知：视网膜在眼球内部就完成了边缘检测、运动检测、亮度适应。这相当于在传感器端就做了ISP（图像信号处理）的一部分工作。
我在项目中遇到过一个问题：用普通CMOS传感器做仿生眼，动态范围永远追不上人眼。后来才明白，人眼的视网膜有局部自适应机制——亮的地方自动降低增益，暗的地方自动提高增益。这不是全局调整，是每个感光细胞独立调节的。
2.1.2 感光细胞：视杆与视锥
人眼有两种感光细胞，分工极其明确：
| 类型 | 数量 | 敏感度 | 色彩感知 | 分布区域 |
|---|---|---|---|---|
| 视杆细胞 | 约1.2亿 | 极高（单光子可响应） | 无（黑白视觉） | 视网膜周边 |
| 视锥细胞 | 约600万 | 低（需强光） | 有（红绿蓝三色） | 中央凹（黄斑区） |
你想想看，为什么晚上看东西是黑白的？因为视杆细胞在加班，视锥细胞下班了。这个特性直接影响了仿生眼的传感器选型——要不要做双模式传感器？我建议是必须的。
我的经验：早期仿生眼项目只用了单模式传感器，结果在暗光环境下完全失效。后来我们参考人眼，设计了「视杆-视锥双模式」传感器架构，动态范围从60dB提升到了120dB。
2.1.3 视神经：带宽受限的传输通道
人眼每只眼睛有约100万个神经节细胞，但感光细胞有1.26亿个。这意味着什么？压缩比高达126:1。视网膜在传输前做了大量数据压缩。
为什么会这样？因为视神经的带宽有限。我算过一笔账：如果原始数据全部传输，需要约1Gbps的带宽。但人眼实际传输速率只有约10Mbps。视网膜用「事件驱动」的方式传输——只传变化的部分，不传静止的部分。
避坑指南：我曾经在仿生眼设计中直接传输全分辨率视频，结果功耗爆炸。后来改用事件驱动传感器（DVS），功耗降低了90%以上。记住：仿生眼不是摄像机，别做全帧传输。
2.2 仿生眼核心功能
仿生眼要模仿的不是人眼的外形，而是功能。我把它拆成三个核心模块：感知、处理、反馈。这三个模块缺一不可。
2.2.1 感知：不只是拍照
感知层要解决三个问题：
- 高动态范围：人眼能同时看清0.1 lux和100,000 lux的场景。仿生眼传感器必须支持局部自适应曝光。
- 事件驱动：只输出变化像素，降低数据量和延迟。DVS传感器就是典型代表。
- 多模态融合：除了可见光，还要考虑近红外、深度信息。人眼其实也有「深度感知」能力（通过双目视差）。
我建议传感器选型时，优先考虑这三个指标：动态范围 > 120dB、延迟 < 1ms、支持事件输出。分辨率反而不是最重要的——人眼中央凹只有约700万视锥细胞，但视觉体验远超1亿像素的相机。
2.2.2 处理：在传感器端做计算
仿生眼的处理架构和传统计算机视觉完全不同。传统做法是「传感器采集 → 传输 → 云端处理」。仿生眼要做的是「传感器内处理 → 稀疏传输 → 本地决策」。
我画了一张架构图，你们感受一下：
这张图的核心逻辑是：感知层采集稀疏事件，处理层做本地计算，反馈层控制传感器参数。三者形成闭环。我见过太多团队只做感知和处理，忽略了反馈——结果就是仿生眼无法自适应环境变化。
2.2.3 反馈：闭环控制的关键
反馈层是仿生眼区别于普通摄像头的最关键部分。人眼有三大反馈机制：
- 瞳孔调节：控制进光量。仿生眼里对应的是电子光圈或增益控制。
- 注视控制：眼球运动让中央凹对准感兴趣区域。仿生眼需要机械云台或电子ROI（感兴趣区域）切换。
- 自适应学习：大脑根据视觉经验调整感知参数。仿生眼需要在线学习算法。
我的建议：设计反馈层时，优先实现注视控制。因为这是最立竿见影的功能——让仿生眼「看哪里」比「怎么看」更重要。我在一个机器人项目中加了注视控制后，目标跟踪精度提升了3倍。
2.3 本章小结
视觉感知基础就讲到这里。记住三个核心点：
- 人眼视网膜是预处理芯片，不是简单传感器
- 仿生眼的核心是事件驱动 + 高动态范围 + 本地处理
- 反馈闭环是仿生眼智能化的关键
下一章我们会深入传感器选型，具体讲怎么选DVS、怎么设计像素电路。嗯，到时候我会拿几个翻车案例出来，你们听了就知道哪些坑不能踩。