智慧製造2018.12.08

3D Camera 立體攝影機

飛飛

物聯網 自造者 創新

儘管人類的視覺能力仍然難以完全複製,3D影像一直以來都是廣為各界致力發展的技術。現在邁入物聯網時代,3D感測的應用更成了許多智慧功能中舉足輕重的組件元素之一。

 

3D Camera 立體攝影機所使用的3D感測,即是仿人類三維空間景深視覺,透過立體化影像,增進系統即時自動辨識能力。目前3D感測的原理主要可分為三種:其一為飛時測距(Time of Flight; ToF),乃投射光波(如紅外線),再以光波反射觀測點所量測出的物理數據進行距離計算,取得景深;其二為結構光(Structured Light),亦是採用光波物理特性,但以投射光束組成的特定圖案(通常為經緯式格子狀或直條紋)並進行編碼,利用實景深度所造成空間落差,產生獨特位置碼而取得景深;其三為立體視覺(Stereo Vision),借用人類兩眼視差別原理,以不同角度攝影錄像及相對距離為資料素材,經運算歸結出3D 影像。整體而言,飛時測距公認為感測速度較快、可量測較長遠距離,目前也漸漸取得較廣泛的應用,工業檢測、消費市場科技應用等都可見各科技大廠對其偏好。

 

自動影像辨識能力幾乎可說是為安控產業競爭的最重要核心價值,因此 3D Camera 自然迅速獲得安控產業的青睞。然而,其應用不只大幅提升人臉辨識、人與物影像區隔能力,譬如:店舖、賣場、行銷活動現場的自動即時人流計算,不僅可彌補人工計數的誤差與費力,結合雲端大數據,更能輕鬆取得人流與時間點的相對關係,精準化人氣與績效指標,作為實體商店、行銷活動日後的營運、行銷調整參考資料。交通運輸的車流、人流計算;物流業者需求的自動物件體積量測等還有更多其他應用。

 

延伸討論

智慧製造

AIoT 資料流生態系, Edge AI 上場了!

飛飛
AI 的關鍵核心在於 Machine Learning 機器學習,尤其是 Deep Learning 深度學習,將機器運算層次從線性思維走向立體化處理,變革資料處理的機器運算概念,更從而徹底改變自 IT 產業堀起以來將近百年的基礎運算硬體組構,並連帶物聯網的願景,自此硬體組構衍生全新 AIoT 資料流生態系。在如今 5G 規格底定、全球邁入正式開通的時點上,AIoT資料流生態系也已經從 Cloud AI 延伸到 Edge AI。
智慧製造

I/O 也能虛擬化?

飛飛
Virtualization 是 IT 資源擴展的新興潮流;透過 isolation 隔離技術,能夠在相同的 IT 實體資源下,增生多套虛擬運作環境,相當適合雲端系統,也能在成本考量下,回應物聯網所可預見爆增需求的資料流及運算資源。
智慧製造

AIoT 來了,資料傳輸 I/O 我變變變

飛飛
智慧物聯網重點在於連來連去,因此節點 Node、hub 多又廣,還要能承受資料流量大、要速度快、要延遲性低,智慧演算所需複雜運算功能也少不了,自然驅使 CPU 在變、Chip 晶片在變、IT 結構愈發趨向雲端體系、虛擬化之變,再說 5G 通訊所伴隨從電信基礎設備以至通訊層級的全面必變,I/O 資料傳輸當然更需變變變。