视觉技术在嵌入式系统中的迅速发展，为汽车安全、机器视觉和运动分析带来了超高速成像解决方案。通过更强大的图像传感器和更小的像素结构，这进而转化为性能和成像能力的显著提升。
机器视觉技术使用图像识别算法来识别图像中的物体，在工业自动化、机器人、农业无人机和3D建模等广泛应用中，可以在不失真的情况下获得更详细、更准确的物体图像。
首先，小型但功能强大的处理器平台正在降低传统机器视觉系统的成本。接下来，在强大、低成本和节能处理的帮助下，一种新型图像传感器正在迅速发展，以满足光学检测和工业自动化等工业级成像应用的需求。
图像传感器是任何机器视觉设计的关键组成部分，它正在速度和分辨率方面进行快速改造。新的图像传感器正在实现更高的帧率而不损害图像质量。而且，对于分辨率，这些图像传感器具有强大的光学格式，以确保现代机器视觉和检测用例所需的成像细节和性能。
此外，这些低功耗嵌入式系统可以支持多种产品分辨率，同时满足广泛的像素功能。在这些嵌入式视觉系统中，随着新的像素结构的快速发展，更大的像素可以以给定的光学格式交换分辨率，以获得更高的成像灵敏度。
工厂车间外
正如市场研究公司Yole Développement所言，机器视觉是工业自动化革命的核心。然而，值得注意的是，机器视觉不仅仅是给工业机器人眼睛。它包括几乎所有的机器和制造周期的所有方面。
图1:机器视觉技术正在超越工厂自动化目前的能力。(图像来源:ams AG)
事实上，机器视觉服务于工厂以外的许多应用。从智能交通系统中的车牌识别，到在无收银员商店中跟踪顾客和商品的移动，再到成为自动驾驶汽车的眼睛，机器视觉的应用范围很广。
机器学习已经成为自动驾驶汽车领域的关键技术，这已经不是什么秘密了。即使是现在，它仍在先进的驾驶辅助系统(ADAS)中发挥着至关重要的作用，在该系统中，多种机器视觉算法提供了无可挑剔的感知精度。
机器视觉还可以对多个以摄像头为中心的用例进行智能视频内容分析，包括监控、增强现实(AR)和虚拟现实(VR)头盔和配件。以OmniVision Technologies针对农业无人机等应用开发的全球快门图像传感器为例。
200万像素的图像传感器具有15度主射线角(CRA)，以支持宽视场镜头，从而有效地捕捉高分辨率图像，用于作物和农田监测。
OmniVision的OG02B10提供彩色图像的同时更具有成本效益OG02B1B传感器提供单色图像，两种设备均可在1/2.9英寸。光学格式。这些图像传感器采用全局快门传感器技术来消除运动伪影和模糊效果。
这给我们带来了机器视觉传感器设计的一个重大技术转变:全局快门扫描。
为什么全球快门
全局快门，在相机设计中创造了一个新的维度，使优越的成像性能，高图像均匀性，低噪声。与滚动快门不同，全局快门技术使传感器能够同时扫描图像的整个区域，这在机器视觉应用中是一个关键要求。
另一个针对机器视觉应用的全球快门图像传感器是来自奥地利Premstaetten传感器供应商ams AG的CSG14k。它以相关的双采样(CDS)技术为特色，在机器人、分类设备、激光三角测量和测量仪器中创建快速移动物体的高质量图像。
图2:CSG14k图像传感器具有3840 x 3584像素阵列和1400万像素分辨率，适用于机器人和其他工厂自动化应用。(图像来源:ams AG)
12位图像传感器声称其像素设计比ams上一代的10位图像传感器小66%。这将显著降低噪声和高质量图像的运动伪影。然后，图像传感器中有各种配置选项，可以针对特定的应用程序需求进行调整。
配置设置帮助嵌入式开发人员优化设计，以实现低噪音操作。它们还可以用来增加动态范围，以便在高对比度场景中提取最大的图像细节。此外，开发者可以实现低功耗模式，降低帧率。
从CCD到CMOS
机器视觉领域的另一个重大转变涉及到从电荷耦合设备(CCD)图像传感器向更经济的基于cmos的相机系统的转变，该系统也消耗更少的电力，提供更高的帧率。这一显著的技术变革——从上世纪90年代的消费者成像技术到本世纪初的摄影传感器技术——正在彻底颠覆机器视觉设计。
图3:Emerald 5M是一款CMOS图像传感器，设计用于机器视觉应用，如自动光学检测(AOI)。(图片来源:Teledyne e2v)
CMOS图像传感器在两个主要方面取得了长足的进步:图像速率和噪声水平。对于嵌入式视觉系统，CMOS传感器由于改进的噪声特性而日益成为一种选择技术。此外，CMOS图像传感器提供了更大表面积的详细视图，这是工厂自动化环境的关键需求。
的CMV50000ams的图像传感器就是一个很好的例子。像自动光学检测这样的全局快门瞄准机器学习应用，已经用更便宜、更容易实现的CMOS设备取代了CCD图像传感器。
4800万像素的CMOS图像传感器具有低噪声像素结构，可以在生产线上产生快速移动物体的无失真图像。它还具有片上降噪电路——黑电平箝位——即使在弱光条件下也能捕获高质量图像。
CMV50000图像传感器，可在35毫米格式，是基于8晶体管像素结构。它以30帧/秒的快速捕获速率运行，在全分辨率或装箱4K和8K模式下具有12位像素深度。此外，采用4K分辨率的像素子采样机制，CMOS图像传感器可以将帧率提高到60帧/s。
视觉转换进行
作为人工智能(AI)革命的关键表现之一，机器视觉已经从学术研究转向商业领域。例如，机器视觉系统现在广泛应用于自动光学检测，用于测试手机、平板电脑、笔记本电脑和电视的显示器。
一个更具体的例子是斯沃琪(Swatch)，该公司声称其机械表Sistem51的制造现在是完全自动化的。同样，同样生产iphone的代工制造商富士康(Foxconn)部署了100万个机器人，用于制造消费电子产品。
本文概述的设计案例研究展示了下一代相机设计如何填补传统机器视觉和消费电子成像系统之间的空白。从CCD到CMOS图像传感器的转变是一个关键的促成因素。
以cmos为中心的相机设计正在帮助开发人员解决机器视觉应用中的极端处理要求和低功耗限制。简而言之，为运动分析、机器人技术、跟踪、工业检测和计量服务的精益相机设计正在进行重大变革。
了下:AI•机器学习，工业自动化，虚拟现实
