事件视觉:提高性能和效率改善机器视觉应用

工业机视觉中日益复杂和挑战性操作条件需要创新方法捕捉和处理实现系统目标的必要视觉信息系统包括高速检测摄像头,必须提供快速运动抓取、机器人研磨或焊接系统,需要高动态场景抓取和智能边缘IoT摄像头,这些摄像头必须同时速度精度强和物体跟踪能力强

但这些系统大都依赖日益不足和不完整的视觉方法:基于框架的视觉方法拼接解决许多重要挑战, 诸如高速持续抓取数据到动态场景有效工作挑战照明条件运行环境计算功用有限

最重要的是缺乏完整性:基于框架的远见从来就非要应对当今工业使用案例所带来的挑战。基于框架图像捕捉全图像光强度对像素)记录预分配区间,称为框架速率并记录整片图像时, 时时加量超标图像中所有未变部分

事件视觉引入新方法,像我们的眼睛和大脑一样使用独立受体收集所有基本信息,而别无其他少生成10-1000x数据,>120dB动态射程和微秒解析(每二等量超过10k图像),事件视觉打开了工业自动化、机器人学、安全监视、移动、IoT和AR/VR等领域的巨大新潜力

过去几年来,事件摄像头利用神经变换技术,在工业自动化、机器人、汽车和其他领域机视应用中获得了强健的立足点。这些都是最优性能动态场景、抓取快速运动主体和低光操作条件都至关紧要的应用事件视觉除能耗、数据高效度和动态范围方面的好处外,还解决传统摄像技术的根本限制问题:光捕捉方式

事件摄像头的好处包括:

• 无模糊图像,因为没有曝光时间
• 高速数据捕捉:10Kfs分辨率等
• 高分辨率达1280x720px
• 高动态范围
• 无百科全书操作:不需要全局或滚动百科全书

使用案例讨论包括:

• 对象跟踪利用低数据率和事件感应器稀疏信息跟踪低计算功率对象完全适合选址、机器人引导和轨迹监控
• 流水监测使用事件光流实时监测流体并分析遗留物积聚、点污染物或意外空气或气泡造成的意外动态适合持续液流监控食品和饮料、油气和生物过程
• 振动监控,通过跟踪像素时演化场景持续远程监测振动频率像素精度每种事件都记录像素坐标、变化极度和精确时标,从而提供全局持续理解振动模式用于预测维护任务,如运动监控、振动监控和频率分析;
• 粒子和对象大小监控:事件摄像头可更好地控制、计数并测量通道或传送器高速移动对象的大小高速计数系统实施批量同质度测法
• 查看者将能够学习开发工具、算法和开源资源,以加速理解、实验和实施机视系统嵌入事件视觉能力
• 预言世界最先进神经态视觉系统发明者由专利Metavisective传感器和算法组成,以事件为主视觉技术使机器能够在挑战性条件下高效、彻底处理视觉信息

密钥外送 :

• 介绍事件视觉概念和概念与传统框架方法之比
• 理解事件视觉关键利益,包括权势、性能动态范围、与其他数据获取技术整合
• 开发工具和方法概述可用于将事件视觉整合进MV系统
• 常用案例实例利用事件视觉在工业应用中的长处