The Imaging Source 官方部落格

重現！CONTROL 2022

發佈於 2022年5月12日

歷經兩年疫情大流行後，The Imaging Source 很高興能在2022年的Control展會上再次與大家見面。 5月3日至6日，在斯圖加特展覽中心的6個展館內，Control接待了近19,000名參觀者和 600家參展商。 The Imaging Source展出了全套的板級和工業相機，以及帶有MIPI和FPD-Link III介面的嵌入式相機。

我們在現場展示使用The Imaging Source 6通道解串器和NVIDIA® Jetson Xavier™ NX SoM的六台相機系統。透過FPD-Link III相機，此系統流暢地播放即時動態，使展會上的參觀者能夠同時觀看六台相機的圖像。與更廣泛的NVIDIA Jetson生態系統相容，該相機系統可與一些人工智慧和深度學習演算法一起整合運作。

The Imaging Source在Control 2022展出適用自動化和品質保證的工業相機組合。.

在競賽中脫穎而出 - TIS工業相機贊助學生賽車團隊到達終點線

發佈於 2022年2月7日

受到世界學生賽車(FSAE)啟發，清大賽車工廠NTHU Racing於2015年成立，從零開始，自行設計和製作賽車，參與FSAE Japan Japan，2018年轉型製作電動車，並於隔年勇奪電動車第二名成績，並獲得最佳電子系統設計、效率獎等獎項。近年來，自動駕駛車已成為汽車產業的一大趨勢。為求突破，清大學生團隊開始自行開發自駕賽車，The Imaging Source 兆鎂新提供DFK 33UX273 相機以及相關配備，協助團隊達成目標。

定位及建立地圖資訊

團隊先製作一台縮小版賽車(如下圖一)來測試硬體以及軟體設計，團隊目前開發之自駕系統由感測器融合與導航控制兩部分構成，由角錐定義之賽道實現對應的定位及導航系統，藉此驗證軟體架構的可行性。軟體驗證的方法融合了許多感測器類型的數據，如加速計、ToF以及視覺感測器。此感測器融合的過程可以達到最佳感測及導航控制。而視覺感測一直是無人車發展組成的一部分，用於可視化環境中的物體，如標誌和車道標記，視覺數據也可用於解決任何自動駕駛車面臨的另一個基本挑戰：確定自己在三維空間中的位置的能力。

圖一:學生以一台縮小版賽車先進行測試，雙相機搭配主機於小車上。(左上角為概念圖，右下為實際測試賽車)

機器視覺辨識一直是自駕車不可或缺的一部分，有如無人車眼睛，幫助賽車在賽道上辨識且避開障礙，暢行無阻。一開始，學生安裝單台USB 3.0 DFK 33UX273工業相機，整合成一個單相機系統。相機的輸入被分析為環境資訊（例如黃色和藍色的角錐--下圖2），同時也用於幀對幀的視覺追蹤。相機的連續圖像被用來估計相機（車子自身）的即時位置變化，進行單眼視覺測距（VO），然後使用擴展卡爾曼濾波（EKF）和FastSLAM-1.0演算法，測量環境的基本結構和幾何形狀。然後，這些特徵被匯總到一個視覺地圖中，以高精度的方式預估汽車的位置（同步定位和建立地圖資訊 --- SLAM)。

圖二:電腦視覺演算法運用視覺數據，不僅能辨識物體及周遭環境變化，同時也能進行定位及建立地圖資訊(SLAM)。

雙眼看得比單眼廣

在測試過程中，學生團隊發現單台相機系統所提供的視野（FoV）還是有點太窄了（下圖3a），過程中仍然有一些死角，無法完整辨認全數角錐。借鑒其他賽車隊的經驗，學生們決定測試在視覺系統中增加第二個相機，以增加視野並捕捉所有環境障礙物（圖3b）。 USB 3.0相機快速有效地連接到計算機，將圖像資訊從相機即時傳輸到資料庫。經過測試，雙相機系統便能成功辨識到所有角錐。

圖三(a): 單相機賽車已能辨識大部分角錐，但仍然有一些死角。