關鍵字：機器視覺 圖像處理器 3D 傳感器

上世紀 70 年代中，MIT 人工智能實驗室正式開設“機器視覺”課程，近半個世紀來機器視覺持續是一個非常活躍的研究領域，全球性的研究熱潮，使得機器視覺獲得了蓬勃發展，機器視覺在工業制造領域已獲得了廣泛的應用，比如在不適合人類工作的環境中，利用機器視覺代替傳統人工測量/試；或用于需要高性能、精密機器視覺組件的專業設備制造領域。但總體來講，機器視覺不僅依然一個相當新且仍有很多工作要做的研究領域，更是一個深藏無限潛力的金礦。

在此次采訪中，大部分的廠商的關注焦點都更貼近大眾生活相關，放在了消費電子、可穿戴產品、汽車 ADAS 以及智能化監控等領域。比如 CEVA 公司投資者關系與企業傳播副總裁 Richard Kingston 就透露“我們已經將計算機視覺 DSP 授權許可予八家企業，其中包括三家移動領域的 OEM 廠商。”加拿大 CogniVue 公司業務開發副總裁 Tom Wilson 認為“可穿戴和汽車領域將存在非常強烈的增長機遇。”

視覺處理向 3D 跨越

隨著谷歌正式發布了 Project Tango 后，3D 機器視覺變得愈加熱門。“我們認為消費領域 3D 處理的主要應用會是

3D 成像、自然用戶界面（NUI）和 3D 視覺應用，比如 PC、筆記本電腦、平板電腦、智能手機和其它消費類設

備。”Kingston 表示。

業界追尋 3D 視覺的最大原因還是為了解決 2D 機器視覺的固有局限，若能更好的實現在分割（分離近景和遠景）、照明（用于人臉識別時）、相對位置（場景中的物體）等方面的功能，許多應用可以通過采用 3D 空間信息簡化并提高視覺系統的精度和可靠性。

但無論是 3D 傳感器（例如飛行時間法（ToF）相機）、或以 2 個 2D 圖像傳感器實現的立體傳感器，他們對處理能力的要求都更高。“立體匹配（使用來自兩個圖像傳感器輸入）要求差異映射來生成 3D 景深圖。這是一個非常困難的計算機視覺問題，學術界也積極研究來優化立體識別算法。”CogniVue 公司業務開發副總裁 Tom Wilson 指出。每一種實現 3D 傳感的方法都存在性能上的折衷，CogniVue 目前在開發一種算法，能針對低成本 3D 傳感器有效計算其視差圖。

處理大量實時數據需要密集的計算能力。若是想實現穩定的 3D 傳感地圖是非常困難的，特別是對那些低功耗的設備來說。“CogniVue 的 APEX 圖像識別處理（ICP）技術能在電量有限的 3D 視覺應用中發揮關鍵作用。”他補充道。

對于系統設計者來說，設計能有效運行不同視覺算法的硬件是非常巨大的挑戰。系統廠商選擇圖像/視頻處理解決方案時，可以選擇全部集中在 CPU 完成，也可以選擇卸載一部分圖像處理工作給 GPU，或者專為圖像處理增加硬件邏輯。在需要 3D 處理的應用中，GPU 已經將系統的一部分，運行多種計算機視覺算法來協助通用 CPU。

“i.MX6 擁有強大的 GPU 運算能力，其 3D 引擎 GC2000 內部包含 4 個 shader，可提供高達 30GFLOPS 的運算能力，支持 OpenCL 1.1 EP。”飛思卡爾微控制器事業部亞太區市場營銷和業務拓展經理李星宇介紹道，“此外，i.MX6Q還擁有一個專用的 2D 引擎（1Gpixel/s）和一個矢量圖形處理引擎。”

此外，在一個軟硬件無縫集成的圖形開發環境中設計其 3D 視覺應用無疑會簡化工程師的工作。“NI LabVIEW 為 3D

視覺應用提供了全新雙目立體視覺功能，用戶可利用豐富的雙目立體視覺功能來提取并利用 LabVIEW 應用的 3D

信息。”NI 中國技術市場工程師崔鵬介紹道。