布里斯托大学的研究人员已经展示了一种新型特殊类型的相机如何构建它曾经去过的地方的图像地图，并使用这张地图来了解它现在的位置，这对于开发智能传感器、无人驾驶汽车非常有用。汽车和机器人。

了解您在地图上的位置是导航旅程时最有用的信息之一。它允许您计划下一步去哪里，并跟踪您以前去过的地方。这对于从机器人真空吸尘器到送货无人机再到可穿戴传感器的智能设备来说至关重要，可以密切关注我们的健康。

但一个重要的障碍是，需要构建或使用地图的系统非常复杂，并且通常依赖于 GPS 等外部信号，这些信号在室内不起作用，或者由于涉及的组件数量众多而需要大量能源。

布里斯托大学计算机科学系机器人、计算机视觉和移动系统教授 Walterio Mayol-Cuevas 领导的团队一直在开发这项新技术。

他说：“我们常常认为我们令人印象深刻的空间能力是理所当然的。以蜜蜂或蚂蚁为例。它们已被证明能够使用视觉信息四处移动并实现高度复杂的导航，所有这些都不需要 GPS 或太多能量消耗。

“这在很大程度上是因为他们的视觉系统非常高效，并且可以很好地制作和使用地图，而机器人还无法在那里竞争。”

但是，团队称为像素处理器阵列 (PPA) 的新型传感器处理器设备允许在传感器上进行处理。这意味着在感知图像时，设备可以决定要保留哪些信息、要丢弃哪些信息，并且仅将其用于手头任务所需的信息。

这种 PPA 设备的一个例子是 SCAMP 架构，该架构由曼彻斯特大学的团队同事由曼彻斯特大学电路与系统教授 Piotr Dudek 及其团队开发。该 PPA 为每个像素配备一个小型处理器，允许对传感器本身进行大规模并行计算。

布里斯托大学的团队之前已经展示了这些新系统如何以每秒数千帧的速度识别物体，但新的研究显示了传感器处理器设备如何制作地图并使用它们，所有这些都是在图像捕获时进行的。

这项工作是 Hector Castillo-Elizalde 硕士论文的一部分，他在布里斯托尔大学获得机器人学硕士学位。他的导师是同样在攻读博士学位的 Yanan Liu。关于同一主题和 Laurie Bose 博士。

Hector Castillo-Elizalde 和团队开发了一种映射算法，该算法可以在传感器处理器设备上运行所有内容。

该算法看似简单：当新图像到达时，算法会决定它是否与之前看到的有足够的不同。如果是，它将存储它的一些数据，如果不是，它将丢弃它。

当 PPA设备被人或机器人四处移动时，它将收集视图的视觉目录。当它处于本地化模式时，该目录随后可用于匹配任何新图像。

重要的是，没有图像离开 PPA，只有指示它在视觉目录中的位置的关键数据。这使系统更节能，也有助于保护隐私。

该团队认为，这种为视觉处理而开发的人工视觉系统，不一定是为了记录图像，是朝着制造更高效的智能系统迈出的第一步，这些系统可以使用视觉信息来理解和移动世界。为地球和人类做有用事情的小型节能机器人或智能眼镜将需要空间理解，这将来自于能够制作和使用地图。