「镁客·请讲」安科迪王惠东:突破现状,阵列计算相机造就第三次成像技术变革

简介:

在亿级像素阵列相机技术面前,如何看的更清、看的更远成为了新的需求。

从古至今,为了留下回忆,人们在外出旅游期间都会做些什么,而随着时代的更迭,从字画到照片,再从照片到视频,留下纪念的方式也在发生转变。与此同时,除了表面操作方法的变化,人们对其中内容质量的要求也越来越高。

安科迪王惠东:突破现状,阵列计算相机技术造就第三次成像技术

组合镜头,第三代成像技术

“我们今天的成像技术面临着一个发展趋势,要看得越来越清楚,看得越来越远,看的视角越来越大,而超高清阵列计算相机则是这个新趋势的标志性技术和产品。”安科迪智能技术有限公司的创始人王惠东表示。阵列相机技术是光电子技术与计算机技术的完整组合。基于阵列计算机平台,可适应各种图像捕获的场景、远距离、宽视角等多阵列组合,满足不同客户的不同需求使用。

不仅仅是个人,在现实生活中,越来越多的行业用到了摄像头,像直播、监控等等,而在当下,因为某些物理原因,普通摄像头已经不能够满足行业发展的需求。首先,在光学镜头,如果想要看的清楚,就得使用长焦距,但只能看清其中一点,而要场景看得更多,就得使用广角镜头,但清晰度就得被牺牲,其次,从当初的20万像素到现在的2000万像素,在大快步前进的同时,因为受到光学传感器的限制,像素的提高也差不多到了极限。

这种现状正待突破,而在王惠东看来,其中的关键就在于阵列计算成像技术。也就是说,将一组数量多达几十上百的镜头组合起来,形成一组镜头阵列。如此一来,因为多个镜头同时工作,人们不仅可以在摄像过程中获得多个焦点,在保证足够清晰度的同时,用户的视野也将能够极大程度的被拓宽,并且在同一视角的场景动态记录下,所有内容物无所不见,用户想看到什么就能看到什么。在安防领域,相比于普通摄像机8米的人脸识别范围,在保证清晰度的同时,安科迪的Mantis(螳螂)系列超高清大视角阵列亿级像素安防相机的识别范围从50米到数百米不等。

从当下的现状来看,这一项技术足以被称为颠覆性技术,用王惠东的话来讲, 这一技术是继胶卷+镜头、传感器+镜头之后的第三代成像技术,能够满足人们在成像技术上的整个下一代的需求。

安科迪王惠东:突破现状,阵列计算相机技术造就第三次成像技术

除了更远更清晰,实时数据处理也是镜头的一个重要考量

事实上,在新一代成像技术的研发上,除了看得更远、更清晰,安科迪还在考虑另一件事。在前面我们提到,安科迪给出的摄像头解决方案是“阵列计算成像技术”,对于“阵列”相信大家已经清楚了,那么其中的“计算”又是怎么一回事昵?其实,所谓的“计算”正是安科迪摄像头产品解决的另一个问题。

在技术上,安科迪拥有一项叫做“Camputer”的阵列相机技术专利,这一名称由camera和computer演变而来,是一项将阵列超高清相机和高功能计算机芯片处理技术的完美结合,能够实现更高分辨率的实时视频拍摄和转播。

安科迪王惠东:突破现状,阵列计算相机技术造就第三次成像技术

以安科迪产品Mantis 70超高清大视角阵列亿级像素安防相机为例,目前,这款产品的分辨率已经达到了1.07亿像素。通常来讲,更高像素意味着更高的内存,若是处理不当,视频转播中出现卡顿将是常态。针对这个问题上,当Mantis 70阵列镜头获取到大量高分辨率的动态图像数据后,这些数据将在经过GPU处理后输出到一个计算平台上,进行动态数据的整合,最后按照不同的接口的分辨率要求输出到不同的播放平台上。其中,因为多焦点,在观看的过程中,用户可以在其中选取自己所关注的某一点进行实时跟踪,让观看的方式从“被动”变为“主动”。

当然,这不仅仅是对C端用户的福利,在B端用户这边,因为阵列计算摄像头能够同时满足视角和清晰度的条件,使用效果相当于多个普通摄像头,在安装上能够免去寻找最佳安装点的时间,也可以降低立杆、铺设缆线、安装调试等成本。

目前,安科迪阵列计算摄像头内部零部件使用的多是市场供应链下的现有元件,因而在量产阶段,其价格也会有所下降。而在行业应用上,除了安防和直播,安科迪在无人机、VR/AR等多个行业都提供了解决方案。其中,我们注意到,除了这些B端行业,安科迪还有一个打造消费级产品的未来规划。

安科迪王惠东:突破现状,阵列计算相机技术造就第三次成像技术

立足B端,打造亿级像素消费级单品

当前,安科迪的客户群体依然放在B端市场,毕竟产品的价格是个人消费者所难以接受的。不过,通过官网信息和这次与王惠东的聊天,我们得知,目前,针对C端用户,安科迪正在计划推出一款亿级像素的消费级产品。

王惠东向镁客网记者透露,当前这款产品还在开发当中。在其看来,消费级产品和应用是一个很重要的领域,技术就应该用到每个人的身上。当然,出于技术要求以及用户承受能力的考量,这款亿级像素消费级产品的技术呈现效果与成本或将不同于B端的专业级产品,但也足够产生颠覆性的效果。

“从市场层面上来看的话,我们觉得人们,尤其是年轻人对于电子消费产品是相当具有追求的,因此这一块我们并没有那么的担心。只要在市场上的定位足够精准,在一定时间内,我觉得这种高科技产品会让人们愿意去使用的。”对于该产品的未来市场,王惠东说到。

论及此处,我们不禁想到了国内的“网红”美图手机,以及国外的运动相机GoPro,这些都是将自己的定位精确到不能再精确的产品,而在这个前提条件下,它们也取得了令人刮目的成绩。这些成功的案例在前,如若定位足够精准的话,相信安科迪的消费级产品也是能够在市场上拥有立足之地的。其中,作为一款消费级产品,对于亿级像素所带来的内存占比的情况,王惠东也提出了多个解决方案,包括云平台的接入等等。

当下,安科迪已经正式推出了自己的三款安防领域的监控摄像机产品,将先从安防领域切入市场,再一步步渗透到其他领域。


原文发布时间: 2017-06-05 15:58
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
弹性计算 数据可视化 关系型数据库
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
6733 0
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
|
安全 网络安全 数据安全/隐私保护
|
3月前
|
算法 Go 计算机视觉
YOLOv8结构解读
YOLOv8是Ultralytics团队开发的最新目标检测模型,基于YOLO系列的高效单阶段架构,进一步优化了精度与速度。相比YOLOv5,YOLOv8在Backbone中移除了Focus模块,优化了CSP结构;在Neck部分增强了特征融合能力;Head部分采用Anchor-Free与解耦头设计,提升检测精度。此外,YOLOv8引入了更先进的损失函数、自对抗训练和动态标签分配等策略,显著提高了模型性能与鲁棒性。
1098 0
|
数据库 索引
数据结构中平衡二叉树插入删除中左旋、右旋、左右双旋、右左双旋的详解(题目讲解 简单易懂)
数据结构中平衡二叉树插入删除中左旋、右旋、左右双旋、右左双旋的详解(题目讲解 简单易懂)
525 0
|
机器学习/深度学习 算法 PyTorch
算法金 | 这次终于能把张量(Tensor)搞清楚了!
本文是关于PyTorch中张量(Tensor)的入门教程,由全网同名\[算法金\]作者撰写。文章介绍了张量的基础概念,强调其在深度学习中的核心地位,并阐述了张量与向量、矩阵的关系。接着,详细讲解了如何在PyTorch中创建和操作张量,包括张量的数学运算、广播机制、索引切片以及变形与重塑。此外,还涉及张量的高级功能,如自动求导系统和高级数学函数。最后,文章提到了张量在深度学习中的应用、性能优化技巧和调试方法,鼓励读者通过实践提升技能。
1739 1
算法金 | 这次终于能把张量(Tensor)搞清楚了!
|
存储 缓存 算法
交换机转发机制:存储转发与直通转发
交换机转发机制:存储转发与直通转发
2446 1
|
人工智能 并行计算 数据可视化
即插即用 | YOLOv8热力图可视化方法详解,揭秘AI如何「看」世界!【附完整源码】
即插即用 | YOLOv8热力图可视化方法详解,揭秘AI如何「看」世界!【附完整源码】
|
Web App开发 JavaScript 前端开发
Visual Studio Code 常见的配置、常用好用插件以及【vsCode 开发相应项目推荐安装的插件】
Visual Studio Code 常见的配置、常用好用插件以及【vsCode 开发相应项目推荐安装的插件】
683 0
|
Ubuntu 开发工具
TI AWR1843毫米波雷达采集三维点云数据(ROS)
TI AWR1843毫米波雷达采集三维点云数据(ROS)
1743 0
TI AWR1843毫米波雷达采集三维点云数据(ROS)
|
机器学习/深度学习 数据可视化 网络架构
CAM, Grad-CAM, Grad-CAM++可视化CNN方式的代码实现和对比
当使用神经网络时,我们可以通过它的准确性来评估模型的性能,但是当涉及到计算机视觉问题时,不仅要有最好的准确性,还要有可解释性和对哪些特征/数据点有助于做出决策的理解。模型专注于正确的特征比模型的准确性更重要。
573 0