{{ title }}
{{ errorMessage }}


{{ errorMessage }}





{{ registerSuccessMessage }}
当前位置: 首页> 行业资讯> 正文 
收藏
点赞
投稿
光沦科技田宜彬:边缘计算智能多模式3D视觉系统,让3D视觉触手可及
来源: 作者:
  2021-11-29   
 

近年随着TOF光电传感技术,VCSEL(垂直腔激光器)、DOE(衍射光学元件)、DMD(数字微镜器件)等核心部件技术和智能视觉技术的高速发展,3D视觉系统的市场驱动力大大增强。与AI相结合的工业自动化(智能工业:包括智能制造、智能仓储、智能物流等)及物联网(智能物联网AIoT)领域成为了众多视觉公司竞相争夺的两大市场。


项目信息

所在地区:深圳

所属行业:人工智能

项目阶段:Pre-A轮,正在进行产业化

项目需求:融资中,寻找下游客户(工业自动化、物流自动化、客流大数据统计、智能门锁、人脸识别安防)

创始人简介

田宜彬博士,光沦科技创始人&CEO,毕业于美国伯克利加州大学。拥有光学、成像、视觉和人机交互等领域20余项美国和国际发明专利,发表相关论文20多篇。在硅谷有十余年的高科技研发、管理和市场开拓经验。曾任艾迈斯(amsAG,苹果3D摄像头供应商)首席系统工程师和创新项目经理、美能达美国实验室计算成像项目经理。从09年开始参与过市场上最成功的几款3D相机产品的核心技术研发(微软Kinect V2-TOF,  苹果FaceID-结构光和英特尔RealSense D400系列-主动双目)。07-08年负责KLA-Tencor最先进的超高分辨率激光扫描检测系统在IBM和台积电的应用推广。

62f6dab161c348ba8364d669fc569b98.png

公司简介

光沦科技是一家美国伯克利加州大学博士带领的硅谷资深团队在深圳创立的研发型高科技公司,致力于为客户提供具有国际先进水平的边缘计算智能视觉系统和相关应用方案。目前已获取美国已授权专利2项,已提交申请1项,另有2项专利准备申请中;中国已授权实用专利3项,已申请发明专利7项,另有3项发明专利准备中。

公司的主要产品是基于多模式数字成像的具备学习能力的智能视觉系统,使用同样的图像传感器同时获取成像目标的多种图像信息,并通过深度神经网络和机器学习算法对获取的信息进行高效和快速的处理和分析,从而使机器视觉系统具有高度的智能,可广泛用于智能安防、AR/VR、智能汽车和交通、医疗和AIoT等领域。

核心技术

一、多模式3D视觉成像技术

当前人们在生活中看到的所有图像和视频都是通过2D摄像头平面成像获取的,2D无法识别物理世界中的三维信息,比如尺寸、体积、距离等几何数据。3D摄像头是立体成像,能够识别视野内空间上每个点位的三维坐标信息,把这些坐标信息给到计算机和芯片,通过三维成像算法,能完整复原出整个三维图像。目前3D视觉成像技术主要分为结构光、ToF和双目视觉三种。

820db3c41ed8206551300e8046f76d06.png

双目+结构光(主动双目)3D相机最有优势的是中距离和近距离应用,其多机互不干扰,分辨率高且抗阳光;TOF 3D相机最有优势的是中远距离或对实时性和体积要求很高的应用,适用于远距离、高帧频和体积小的图像采集。光沦科技的3D视觉成像技术采用多模式识别方法,将产品分为RGB-主动双目和RGB-TOF两大系统。

cd8555f1ca75e67bff4635e4c67c56db.png

二、边缘计算

相比较中央处理高度集中、网络依赖的特点,边缘计算的分布式处理方式可以实时反应,访问的数据量相对大很多,同时不依赖网络,因此也更安全。对机器人和物联网领域而言,边缘计算技术取得突破,意味着许多控制将通过本地设备实现而无需交由云端,处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率,减轻云端的负荷。由于更加靠近用户,还可为用户提供更快的响应,将需求在边缘端解决。

c6f928a9e119d7c179eb9947a85c4da5.png

(将处理过程放在终端设备上)

三、混合式机器学习

在获取3D的图像信息后,通过彩色+三维图像特性优化的混合式机器学习算法对获取的信息进行高效和快速的处理和分析,传统机器视觉和深度神经网络结合,可优势互补,使机器视觉系统具有高度的智能。

a5070b99a52b303432d11fe0a6d19fd2.png

应用场景聚焦物流行业,光沦科技率先将3D视觉系统与物流自动化设备相结合。针对物流自动化场景,研发多款智能视觉设备及相关视觉方案,通过3D视觉系统替代人工,实现对货物体积测量、分拣、拾放、码垛以及AGV视觉导航、机器人搬运等自动化作业。系统自带搭载的相关智能算法,使得数据可视化和实时性,实现智慧物流、智能仓储等功能。

一、 体积测量

在物流行业,传统的测量方法已经难以满足行业对测量精度和效率的需求。3D视觉测量无论在精度还是效率上都有很大的提升。光沦科技开发3D货物测量技术,运用智能测量算法,快速测量物体体积,操作简单,实施方便,效率大大提升。系统中数据还可对接大数据平台分析为物流、电商、商超、仓储和工厂等客户提供运费计算、货物存放(仓库/装车)和装箱推荐等服务。

6ad2429df50a488624729f3a747bda52.png

(从左到右依次为:PDA手持量方设备,量方镜头,静态量方、扫码、称重一体设备,大件货物量方设备和动态流水线量方设备。)

3D视觉的运用,使得整个测量过程方便又快捷,节省了大量人力物力,最快只需2秒即可自动测量出货物体积,精度达到5毫米,重量测量精度达10克。为顾客带来极大的便利和效益。

08df1e52ce46b2d3bddaf50124b2d8e2.png

(传统物流测量工序与光沦产品对比)

二、 3D视觉避障

光沦科技的TOF深度摄像头和主动双目避障模块,可以使机器人看懂周边环境,行驶过程快速识别路径障碍,实现快速识别和快速规避。同时无需改造仓库环境,成本较低。相对于二维激光雷达,三维视觉不仅可以获取轮廓,还可以获取纹理信息。

03f54ccbccc8a68b918dc1eba0742d38.png

TOF深度摄像头利用光的飞行时间测量距离,能够快速的计算深度信息,进行准确的三维测量,深度图可达60fps,是实现机器人避障和室内定位与导航等应用的新型设备。

4ce27f243f0bc3e8789445239d18e82b.png

(左:TOF避障模块,右:主动双目避障模块)

双目视觉避障基于视差原理,利用成像设备两只相隔一定距离的摄像头来获取同一被测场景的两幅图像,根据三角原理计算两幅图像对应点间的像素偏差来获取场景空间的三维信息(包括摄像头与物体的距离、物体与物体之间的距离等)。该模块匹配专用芯片(ASIC)或通用GPU双目,高密度激光散斑投影点阵(>30000点),深度720p@30fps (ASIC),深度1.3MP@20fps (TX2),2MP RGB摄像头。

除机器人壁障和引导以外,光沦科技避障产品还可应用于智能安防、手势控制及3D人脸识别等场景。

三、 3D视觉定位

目前物流行业中机器人的使用变得越来越广泛,光沦科技通过对物流各环节的广泛研究,针对各类物流场景研发出适合物流机器人的智能3D视觉系统,通过对生产工件的3D扫描,获取建模数据后,就能给机械臂最佳的路径,让机械臂抓取物料更加精准,更加高效。

ac453ee696261350ce0c0c514afbf0ea.png

该智能3D视觉系统包含自研的高效3D视觉传感器,同时搭载了高效的运算平台,内嵌深度学习的物体识别和定位算法,结合机械臂可以完成物料分拣、订单分拣、拆码垛、上下料等工作。

四、 客流分析

多模式3D视觉产品应用在客流分析、智能安防领域:可进行人数统计、个人身高估测、个人体型估测、走动速度估测以及异常行为分析。与2D识别相比,3D视觉对场景里的异常行为能够实时地跟踪与判别,例如突然倒地、突然剧烈运动、人数异常、区域入侵等事件。

eae83feab16bf4721d8c9824472d2ca3.png

3D人脸识别

采用主动动立体视觉或TOF和RGB摄像机,可同时识别多人,且能有效预防“假脸”现象,可广泛应用于智能超市、AIoT、智能楼宇、银行等场景。

创始人说

智汇邦:光沦科技产品和技术最大的优势体现在哪儿?

田宜宾:因为我们的产品名称就叫做低成本低成本边缘计算智能多模式3D视觉系统,就是将AI、视觉和应用算法及软件嵌入到低成本ARM SOC中,我们在算法、软硬件上都做了很多优化,用了很多机器学习的技术,在保证效果的基础上,可大大降低整套系统的成本。比如在人脸识别和客流统计,算上芯片在内,我们整套系统的价格算下来不超过2000元,而国外很多同类产品都一万多,国内不少产品也是在四五千左右。

第二个就是我们的边缘计算技术,也就是把相关计算放在终端设备上,不依赖于网络,不需要实时传输,传输的数据也比较小。这样一来提升处理效率,二来还可为用户提供更快的响应,将需求在边缘端解决。

智汇邦:目前产品的成熟度如何,已经进入产业化了么?

田宜宾:我们目前应用在客流统计、智能安防、人脸识别、智能分拣上的产品都已经很成熟并且有客户了。在工业领域,比如应用在汽车等智能制造领域的3D视觉检测、物流领域中的AGV送货等产品也已经有产品了,暂未做大规模推广,接下来我们也是准备推广我们在工业领域的这些产品,所以也希望寻找一些下游客户,如工业自动化、物流自动化、客流大数据统计、智能门锁、人脸识别安防等。


分享到:
  点赞
  收藏
  打印
评论(0
已输入0
最新文章
 2022-03-16
 2020-05-12
 2020-07-16
 2020-07-16