Estudio, diseño, implementación y test de retinas visuales VLSI sensoras de contraste espacial y temporal

Description

En los últimos años hemos podido apreciar un crecimiento exponencial en las ventas de sistemas de visión. Dicha tendencia no parece detenerse y es, en parte, debida al auge de los sistemas de telefonía móvil. Probablemente, cualquier persona está famili ... arizada con conceptos como el número de Megapíxeles o la resolución de una cámara. Ello da una idea de la importancia que tales dispositivos tienen hoy en día. Los sistemas de visión convencionales están basados en frames. Un frame no es más que una matriz bidimensional en la que cada elemento representa a un píxel y almacena una información relacionada con el nivel luminosidad en la región espacial que ocupa dicho píxel. Tales matrices se generan de forma periódica y continua a lo largo del tiempo. Ello conlleva una serie de limitaciones importantes. La primera de ellas es que hay tiempos muertos mientras se lee la información asociada a cada píxel para generar el frame. Los cambios que ocurran en la escena durante esos intervalos de tiempo no serán detectados. Además, los sistemas de visión convencionales no suelen realizar un procesamiento de la información. Simplemente transmiten valores de intensidad luminosa, que puede ser muy redundantes en el caso de que no haya cambios en la escena. Otras limitaciones que encontramos son el hecho de todos los píxeles tienen la misma ganancia (lo cual conlleva problemas en el caso de haya regiones con niveles de luminosidad distintos) y bajo rango dinámico de operación. Si comparamos las prestaciones de los sistemas de visión convencionales con los biológicos, vemos que los segundos tienen claras ventajas sobre los primeros. Aunque existen sistemas de visión artificial que ofrecen muy buenas prestaciones, normalmente su funcionamiento se restringe a condiciones de iluminación muy específicas y control/ adas. La retina humana es capaz de ofrecer un funcionamiento excelente en las más diversas condiciones de luminosidad. Además está optimizada para extraer y enviar la información relevante de la escena al cerebro. Por ello, parece razonable tratar de imitar el funcionamiento de los sistemas biológicos para aprovechar sus ventajas inherentes. Éste es el objetivo de la disciplina conocida como ingeniería neuromórfica. El auge de los sistemas VLSI (Very Large Scale Integration) posibilita incluir grandes poblaciones de píxeles en un chip. Los sistemas de visión biológicos son extraordinariamente complejos y están estructurados en capas de neuronas. Las neuronas de cada capa están masivamente interconectadas con las siguientes y se encarga de realizar un determinado procesamiento de la información. Al contrario que los sistemas de visión convencionales, la información no se transmite en forma de frames de forma periódica. La transmisión de información es continua a lo largo del tiempo y ello posibilita que sea mucho más rápida. Además, la información transmitida no es redundante. Sólo se transmiten los cambios espacio-temporales. Si deseamos implementar tales sistemas en silicio, es necesario usar medios de comunicación eficientes entre las distintas capas de neuronas. Ello supone una limitación cuando se desean interconectar grandes poblaciones de neuronas porque el número de conexiones que pueden realizarse en silicio es bastante limitado. En ese sentido, el método AER (Address Event Representation) es altamente eficiente para interconectar grandes poblaciones de neuronas. Tal como mostraremos más adelante, las retinas AER tienen mayor ancho de banda, menor latencia, mayor rango dinámico y menor consumo que los sistemas basados en frames. Ello justifica, la realización de esta tesis. El objetivo de la tesis consistió en diseñar dos sensores AER de visión. El primero de ellos es capaz de detectar el contraste espacial y el segundo, el temporal. Ver más Ver menos contraste diseño electromagnetismo electrónica implementación Informática Retinas sensoras temporal Test Visuales VLSI

Additional details