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(jì)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(jì)算機(jī)視覺提出了新的需求，開始倒逼計(jì)算機(jī)視覺技術(shù)升級進(jìn)步。

丨深耕不輟，實(shí)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(yùn)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(shí)現(xiàn)近乎真實(shí)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(shí)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(jì)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(shí)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(shí)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(shí)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(jì)算機(jī)視覺技術(shù)向相關(guān)領(lǐng)域的擴(kuò)展。