【儀表網(wǎng) 研發(fā)快訊】 近日，北京理工大學沈國震、王卓然、冉文浩團隊聯(lián)合香港城市大學何頌賢團隊，在《Advanced Materials》發(fā)表題為“Differential Image Sensor with Decoupled Static and Dynamic Outputs”的研究論文。
 

　　該研究提出一種具備動靜態(tài)輸出解耦功能的差分圖像傳感器(DIS)，利用差分光電二極管實現(xiàn)了差分與隧穿模式的協(xié)同運行與信號解耦。在此基礎(chǔ)上，研究團隊成功在CMOS芯片上單片集成了分辨率為640×512的動態(tài)視覺相機。通過硬件級靜態(tài)信息濾除與動靜態(tài)輸出解耦，該傳感器構(gòu)建了涵蓋稀疏化運動檢測、光流提取及三維深度估計的分級視覺處理架構(gòu)，為低功耗AIoT的視覺應(yīng)用提供了全新方案。
 

　　隨著自動駕駛、機器人和AR/VR等邊緣智能設(shè)備的快速迭代，視覺系統(tǒng)對低功耗、高集成度以及實時動態(tài)信息處理能力提出了更高要求。傳統(tǒng)CMOS傳感器僅捕獲靜態(tài)亮度，提取動態(tài)信息依賴高能耗、高時延的片外差分運算；而基于閾值觸發(fā)的動態(tài)視覺傳感器(DVS)雖能輸出稀疏事件流，但丟失了光強變化的瞬態(tài)振幅信息，且高像素電路復(fù)雜度限制了陣列集成密度。因此，如何在確保與大規(guī)模讀出集成電路(ROIC)高度兼容前提下，通過精簡的像素結(jié)構(gòu)完成動、靜態(tài)特征分量的高效解耦，仍是當前該領(lǐng)域面臨的核心挑戰(zhàn)。
 

　　針對此挑戰(zhàn)，研究團隊基于寬譜響應(yīng)、低溫加工的AgBiS2納米晶材料，采用 “一電容-一光電二極管”(1C-1PD)的精簡像素架構(gòu)，構(gòu)筑了超薄介電勢壘層的差分光電二極管(DPD)。在自驅(qū)動(V = 0)差分模式下，器件利用介電層在光強增強與減弱過程中的瞬態(tài)極化與去極化效應(yīng)產(chǎn)生雙極性電流脈沖，在有效抑制靜態(tài)背景的同時，原位提取出高稀疏度的動態(tài)信息(極性與振幅)。在外加反向偏壓下，電場增強引發(fā)隧穿效應(yīng)使其切入隧穿模式，輸出連續(xù)直流平臺電流，實現(xiàn)靜態(tài)信息的按需提取。器件響應(yīng)速度達3.2 μs，實現(xiàn)了254 - 1342 nm的超寬譜探測，并具備122.7 dB的線性動態(tài)范圍和10-8W/cm2的光強變化檢測極限。
 

　　該器件精簡的雙端架構(gòu)表現(xiàn)出與傳統(tǒng)CMOS及TFT讀出電路的優(yōu)異適配性。團隊在64 × 64及256 × 256的TFT讀出芯片上完成陣列單片集成，捕捉了復(fù)雜多維真實場景的實時差分運動圖像；隨后，進一步在CMOS ROIC平臺上制備了640×512的高分辨率動態(tài)視覺相機，實現(xiàn)了高清邊緣捕獲與感內(nèi)差分計算成像，進一步驗證了該傳感器邁向工程化應(yīng)用的潛力。
 

　　團隊進一步構(gòu)建了資源自適應(yīng)分配的分級視覺處理架構(gòu)。系統(tǒng)在初始的低功耗差分值守狀態(tài)下，通過淺層前饋神經(jīng)網(wǎng)絡(luò)(SNN)處理感內(nèi)過濾的高稀疏數(shù)據(jù)流，僅進行基礎(chǔ)的感興趣區(qū)域(ROI)檢測與目標智能喚醒，大幅減輕了邊緣端算力與存儲負擔。得益于對靜態(tài)背景的抑制，該階段淺層網(wǎng)絡(luò)特征稀疏度高達82.6%(整體達68.9%)，在顯著降低邊緣端算力與存儲消耗的同時，為后續(xù)任務(wù)奠定了輕量化數(shù)據(jù)基礎(chǔ)。
 

　　當系統(tǒng)被目標成功喚醒后，切入高階機器視覺任務(wù)：首先利用深層網(wǎng)絡(luò)進行精細的運動追蹤與方向識別，在多場景下實現(xiàn)了超98%的準確率；其次，在時空相關(guān)光流估計中，直接利用稀疏化動態(tài)成像，高效提取運動矢量，免去了傳統(tǒng)雙幀片外差分的冗余計算；進一步地，通過按需激活隧穿模式引入低頻靜態(tài)紋理，系統(tǒng)將高頻稀疏動態(tài)圖像與低頻靜態(tài)圖像進行時空特征深度融合，實現(xiàn)高質(zhì)量單目深度地圖重構(gòu)。這一跨維度、分級遞進的機器視覺系統(tǒng)級驗證，全面展現(xiàn)了該芯片在智能監(jiān)控、自主導(dǎo)航及機器人控制等邊緣AIoT場景中的廣闊前景。
 

　　該論文第一完成單位為北京理工大學。集成電路與電子學院沈國震教授、王卓然教授，前沿交叉科學院冉文浩副教授及香港城市大學何頌賢教授為共同通訊作者；北京理工大學博士研究生梁業(yè)港、蘇州大學博士研究生袁琳、南京信息工程大學劉毅博士為共同第一作者。
 

　　引用：北京理工大學團隊在動、靜態(tài)解耦的仿生動態(tài)視覺傳感芯片領(lǐng)域取得重要進展 北京理工大學【引用時間：2026年7月10日】