近年來，機(jī)器人、深度學(xué)習(xí)、姿態(tài)檢測、自動駕駛等前沿領(lǐng)域的高速發(fā)展為計算機(jī)視覺領(lǐng)域拓展了巨大增量，創(chuàng)造了新的千億級市場，與此同時，這些不斷高速發(fā)展的“推手”也對計算機(jī)視覺提出了新的需求，開始倒逼計算機(jī)視覺技術(shù)升級進(jìn)步。

丨深耕不輟，實現(xiàn)業(yè)內(nèi)首款200幀雙目慣性相機(jī)

面對日益提升的使用需求，為提升產(chǎn)品適用性，INDEMIND深耕不輟，為旗下雙目視覺慣性模組提供了200幀高速環(huán)境獲取能力，滿足了不同場景的使用需求。

雙目視覺慣性模組是目前業(yè)界首款可連續(xù)輸出200幀圖像及IMU數(shù)據(jù)的雙目慣性相機(jī)，用戶可自行調(diào)節(jié)1280*800分辨率下25/50/100FPS、640*400分辨率下25/50/100/200FPS不同圖像輸出，可為三維重建、深度解算、視覺SLAM等應(yīng)用研發(fā)提供更精準(zhǔn)、豐富的環(huán)境圖像信息。

眾所周知，自動駕駛、姿態(tài)檢測等場景非常依賴雙目立體相機(jī)采集圖像、位姿信息的清晰度、豐富度，單位時間內(nèi)雙目相機(jī)提供的信息越多，越有利于相關(guān)場景的算法追蹤及定位，降低算法開發(fā)難度。

丨采集豐富人體姿態(tài)信息，賦能動作捕捉

引用自《openpose》

以動作捕捉為例，在影視創(chuàng)作、VR虛擬人物等應(yīng)用場景，姿態(tài)檢測是其工業(yè)領(lǐng)域不可或缺的一環(huán)。但傳統(tǒng)姿態(tài)檢測技術(shù)需要在被捕捉物體的身上標(biāo)記諸多光學(xué)標(biāo)記，并且需要至少兩個以上的傳感器來采集被捕捉物體的運動信息及慣性信息，捕捉過程極為復(fù)雜和漫長，并需要對捕捉過程中產(chǎn)生的大量數(shù)據(jù)進(jìn)行后期處理，才能實現(xiàn)近乎真實的動作捕捉三維模型重建。而隨著INDEMIND雙目視覺慣性模組采集幀率的突破，在精確度及采集速度上取得了大幅提升，呈現(xiàn)出了更精細(xì)及更具動作連續(xù)性的姿態(tài)檢測效果，這也意味著單位時間內(nèi)，雙目慣性模組可采集更豐富的人體姿態(tài)信息，為后期算法處理，提供更多數(shù)據(jù)。

丨高速采集路況信息，實現(xiàn)高速機(jī)動自動駕駛

圖片來源：百度搜索

更值得一提的是，視覺作為自動駕駛系統(tǒng)的重要環(huán)境感知入口，是其重要核心組成部分。在自動駕駛系統(tǒng)中，計算機(jī)視覺著重負(fù)責(zé)提供環(huán)境感知，如路況檢測、指示標(biāo)牌識別、車道檢測等一些列環(huán)境識別、感知。在這一工作進(jìn)程中，信息收集、算法處理、結(jié)果輸出等三大環(huán)節(jié)在以往的自動駕駛中，由于視覺傳感器的限制，無法快速收集并反饋環(huán)境信息，使得視覺在整個系統(tǒng)中的無法凸顯其關(guān)鍵作用。

以車道檢測為例，在車道檢測環(huán)節(jié)中，視覺需對道路彎曲、陰影、路面變化、標(biāo)識線變化等路況實時反饋分析，并通過深度學(xué)習(xí)算法，自動生成車輛最佳行駛路線。而想要實現(xiàn)快速機(jī)動反應(yīng)，便需要高速的環(huán)境采集能力，INDEMIND雙目視覺慣性模組的圖像采集幀率可達(dá)到200幀，在遇到車道變化時，雙目視覺慣性模組可以0.005秒/幀的速度快速檢測車道變化，并通過連續(xù)多幀分析車道變化趨勢，為自動駕駛算法提供多方面精準(zhǔn)、快速的環(huán)境信息數(shù)據(jù)，輔助算法實現(xiàn)高機(jī)動自動駕駛。

除了上面說的例子，雙目視覺慣性模組幀率提升至200幀的背后，意味著環(huán)境信息采集能力的巨大提升，還可在環(huán)境感知、三維識別、深度解算、三維建圖等諸多應(yīng)用領(lǐng)域發(fā)揮更多、更深層次的作用，極大推進(jìn)計算機(jī)視覺技術(shù)向相關(guān)領(lǐng)域的擴(kuò)展。