嵌入式视觉：电池、计算和连接的走向
发布时间：2022-07-28 14:57:46 所属栏目：交互 来源：互联网
导读：对于任何成功的技术，进化过程都是相同的：成本降低、性能提高以及创新化合物的能力。在 MistyWest，我们相信手机、电动汽车和 5G 的进步将引发嵌入式视觉的革命。未来 10 年，嵌入式系统将使用 10 倍的功耗来完成 10 倍的计算，而电池容量可能会增加 3 倍。
|
对于任何成功的技术，进化过程都是相同的：成本降低、性能提高以及创新化合物的能力。在 MistyWest，我们相信手机、电动汽车和 5G 的进步将引发嵌入式视觉的革命。未来 10 年，嵌入式系统将使用 10 倍的功耗来完成 10 倍的计算，而电池容量可能会增加 3 倍。专用深度学习处理器的开发也将是一个重要因素。 NB-IoT（5G 的一部分）等新的无线技术可能会以类似的因素降低成本和功耗。 Etacompute 是这场革命的早期例子，它是一种电池寿命为一年的相机系统，以及自动跟踪足球以跟随动作的 Veo 运动相机。下面的文章将介绍技术、新应用和新颖的、市场领先的解决方案的当前趋势。 技术趋势 电池的进步正在推动许多行业的可能性前沿 目前，许多嵌入式视觉应用无法依靠电池供电，这会导致部署这些系统时产生额外费用和限制。对电动汽车、手机、平板电脑和可再生能源的需求大幅增长，这迫使制造商开发能够储存更多电力且生产成本更低的电池。据彭博社报道，在过去 10 年中，某些化学物质的电池能量密度几乎增加了两倍。生产汽车电池组的成本在同一时间框架内下降了近 10 倍。 在手机中，这些改进并没有显着提高电池性能，因为手机制造商已决定提高性能而不是电池寿命。对于嵌入式视觉，这些性能提升将用于解锁新应用。想象一下，如果你能以 20 美元的价格购买一个行车记录仪，它可以在没有电缆的情况下运行一年，并且只通过蜂窝连接将相关事件发送到云端。完成后，您可以将其放入专门的电子垃圾回收箱中进行回收。 资料来源: Raspberry Pi 未来 10 年，深度学习处理器、神经处理单元和其他专业计算解决方案将导致嵌入式计算机系统的性能和功率效率呈指数级增长。将来，许多应用程序可能能够在本地运行而不受资源限制。应用程序的位置将更多地取决于安全性、隐私和通信成本等因素。 无线连接的成本正在下降 低功耗无线领域有 3 个主要竞争对手：远程广域网 (LoRaWAN)、LTE CAT M 和窄带物联网 (NB-IoT)。 LoRaWAN。远程广域网 (LoRaWAN) 为各种企业和行业开辟了可能性。例如，亚马逊进一步涉足物联网领域，最近推出了其最新的人行道产品 Amazon Bridge Pro。该设备利用使用 LoRA 协议的室内天线，允许数百个兼容设备连接到 5 英里以外。 LTE CAT M 在现有的 LTE 蜂窝网络上运行，提供与大多数手机计划提供商相同的网络覆盖范围。由于不需要自己的频率，LTE CAT M 可以被包括芯片组和模块制造商在内的任何主要移动设备支持，并在移动应用程序中使用，同时受益于移动网络上可用的当前安全和隐私功能。 NB-IOT。窄带物联网 (NB-IoT) 是一种低功耗广域网 (LPWAN) 无线电技术标准，使用未使用的频谱或保护频带运行。其高容量和可靠性、低延迟、在大范围内运行的能力以及降低的电力需求有助于使用物联网应用程序对组织进行数字化转型。下一代 NB-IoT NB2 将具有与 LoRaWAN 相似的性能，具有更高的数据速率，并成为 5G 标准的一部分。 Veo 运动相机 Veo 提供电池供电的运动相机，让您无需摄影师即可录制足球比赛。他们有 2x 4k 相机和鱼眼镜头，允许系统捕捉整个音高。他们开发了一种算法来自动检测球并根据比赛创建一个完全编辑的视频。 用于料位监控的智能相机 不幸的是，并非我们看到或从事的所有物联网项目都属于公共领域。我们现在见过几次的一个应用是智能相机系统，用于测量前端垃圾箱（由叉形自卸卡车拾取的垃圾箱）中的填充水平。这些传感器由电池供电，并在检测到运动时拍摄垃圾箱的图像。这些图像通过 LTE CAT M 发送并在云端进行分析。当垃圾箱达到一定水平时，就会派出垃圾车。这减少了行程的数量，并避免了由于调度而需要清空部分已满或空的垃圾箱。 额外好处——基于事件的视觉传感器 计算机视觉传感器本身也取得了重大进展。索尼和其他团队的灵感来源于人眼如何创造一种基于事件的视觉传感器，这种传感器可以在不放弃动态范围或需要特殊照明条件的情况下以高时空分辨率看到运动。这是一段关于它如何工作的视频，这是一个正在讨论的传感器。 结语 了解连接和嵌入式视觉不断变化的趋势，然后将其集成到您的业务中是一项挑战。第一步是了解不断变化的趋势、新的创新和嵌入式视觉解决方案，并了解新技术如何帮助简化日常流程。 （编辑：PHP编程网 - 黄冈站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330482号