借IP 与处理器的完美结合让视觉处理向 3D 跨越

关键字：机器视觉 图像处理器 3D 传感器

上世纪 70 年代中，MIT 人工智能实验室正式开设“机器视觉”课程，近半个世纪来机器视觉持续是一个非常活跃的研究领域，全球性的研究热潮，使得机器视觉获得了蓬勃发展，机器视觉在工业制造领域已获得了广泛的应用，比如在不适合人类工作的环境中，利用机器视觉代替传统人工测量/试；或用于需要高性能、精密机器视觉组件的专业设备制造领域。但总体来讲，机器视觉不仅依然一个相当新且仍有很多工作要做的研究领域，更是一个深藏无限潜力的金矿。

在此次采访中，大部分的厂商的关注焦点都更贴近大众生活相关，放在了消费电子、可穿戴产品、汽车 ADAS 以及智能化监控等领域。比如 CEVA 公司投资者关系与企业传播副总裁 Richard Kingston 就透露“我们已经将计算机视觉 DSP 授权许可予八家企业，其中包括三家移动领域的 OEM 厂商。”加拿大 CogniVue 公司业务开发副总裁 Tom Wilson 认为“可穿戴和汽车领域将存在非常强烈的增长机遇。”

视觉处理向 3D 跨越

随着谷歌正式发布了 Project Tango 后，3D 机器视觉变得愈加热门。“我们认为消费领域 3D 处理的主要应用会是

3D 成像、自然用户界面（NUI）和 3D 视觉应用，比如 PC、笔记本电脑、平板电脑、智能手机和其它消费类设

备。”Kingston 表示。

业界追寻 3D 视觉的最大原因还是为了解决 2D 机器视觉的固有局限，若能更好的实现在分割（分离近景和远景）、照明（用于人脸识别时）、相对位置（场景中的物体）等方面的功能，许多应用可以通过采用 3D 空间信息简化并提高视觉系统的精度和可靠性。

但无论是 3D 传感器（例如飞行时间法（ToF）相机）、或以 2 个 2D 图像传感器实现的立体传感器，他们对处理能力的要求都更高。“立体匹配（使用来自两个图像传感器输入）要求差异映射来生成 3D 景深图。这是一个非常困难的计算机视觉问题，学术界也积极研究来优化立体识别算法。”CogniVue 公司业务开发副总裁 Tom Wilson 指出。每一种实现 3D 传感的方法都存在性能上的折衷，CogniVue 目前在开发一种算法，能针对低成本 3D 传感器有效计算其视差图。

处理大量实时数据需要密集的计算能力。若是想实现稳定的 3D 传感地图是非常困难的，特别是对那些低功耗的设备来说。“CogniVue 的 APEX 图像识别处理（ICP）技术能在电量有限的 3D 视觉应用中发挥关键作用。”他补充道。

对于系统设计者来说，设计能有效运行不同视觉算法的硬件是非常巨大的挑战。系统厂商选择图像/视频处理解决方案时，可以选择全部集中在 CPU 完成，也可以选择卸载一部分图像处理工作给 GPU，或者专为图像处理增加硬件逻辑。在需要 3D 处理的应用中，GPU 已经将系统的一部分，运行多种计算机视觉算法来协助通用 CPU。

“i.MX6 拥有强大的 GPU 运算能力，其 3D 引擎 GC2000 内部包含 4 个 shader，可提供高达 30GFLOPS 的运算能力，支持 OpenCL 1.1 EP。”飞思卡尔微控制器事业部亚太区市场营销和业务拓展经理李星宇介绍道，“此外，i.MX6Q还拥有一个专用的 2D 引擎（1Gpixel/s）和一个矢量图形处理引擎。”

此外，在一个软硬件无缝集成的图形开发环境中设计其 3D 视觉应用无疑会简化工程师的工作。“NI LabVIEW 为 3D

视觉应用提供了全新双目立体视觉功能，用户可利用丰富的双目立体视觉功能来提取并利用 LabVIEW 应用的 3D

信息。”NI 中国技术市场工程师崔鹏介绍道。