AI • 物联网 • 网络边缘

驾驶车辆时，清晰的视野至关重要。

无论环境条件如何（刺眼的强光、弱光或是雨天），在道路上避让其他车辆、行人或障碍物时都不容有失。得益于技术的进步，高级驾驶员辅助系统 (ADAS) 中嵌入的视觉解决方案可帮助人类驾驶员检测这些物体。

配备了 ADAS 的车辆中的视觉系统包括一组摄像头，可串流来自道路和车内的实时视频。计算机从该视频流中捕获帧，并将其提供给视觉处理器进行分析。

汽车视觉系统面临的挑战

尽管视觉系统在 ADAS、自动驾驶和电动汽车中发挥着重要作用，但业界缺乏一套一致的标准来评估它们。此外，传统视觉系统难以很好地应对环境条件。鉴于车辆的有效视觉的重要性，车载摄像头在整合到 ADAS 解决方案中之前，需要在实验室和生产过程中进行全面测试。此类测试是图像采集盒的工作，图像处理系统提供商 EyeCloud 的首席执行官兼创始人 Po Yuan 表示。

在行驶的车辆中，计算机从视频中捕获静态帧，并将其交给视觉处理器。图像采集盒在摄像头的研发环境和预生产测试中执行相同的功能。“摄像头是单独生产的模块，最终组装到车辆上。但在此之前，需要对其进行校准、测试和质量控制”，Yuan 表示。

图像采集盒用例

图像采集盒可在实验室环境中评估摄像头的功能，帮助测试摄像头能否在弱光或其他边缘条件下提供清晰的图像。

在生产阶段，制造商还需要校准摄像头，确保其对焦并提供不失真的图像。图像采集盒在此阶段也可以提供帮助。“制造商将摄像头连接到我们的图像采集盒，并对图像进行评估，这样他们就可以交互式地调整摄像头”，Yuan 说。

在工厂进行老化测试，以了解摄像头在长时间连续串流条件下的表现，是图像采集盒的另一个用例。摄像头一次运行长达 144 小时，图像采集盒确保摄像头可靠地捕获图像，不会丢帧。“如果有丢帧，摄像头将被视为不合格”，Yuan 表示。

图像采集盒还可以帮助收集现实世界数据，以进行算法开发。在这种情况下，摄像头安装在车上，图像采集盒同步捕捉标志、行人和自行车等数据。“路标检测和行人检测算法需要海量数据。在 AI 世界中，数据是关键，我们的图像采集盒有助于数据收集”，Yuan 表示。

图像采集盒的实际要求

虽然图像采集盒在车载摄像头的生产阶段提供了许多实用功能，但它们还必须应对几个挑战。

首先，它们需要便于携带，以便轻松用于数据和测试。其次，它们需要与多个摄像头同步，以模拟现实世界车辆环境。大多数 ADAS 解决方案都有几个摄像头对准道路和车内。

图像采集盒还需要跟上车载摄像头技术的进步。“摄像头的分辨率、帧率和深度越来越高，这些都要求图像采集盒具有更高的带宽才能进行处理”，Yuan 表示。

EyeCloud 的 ECFG 系列采用模块化电路来满足这些要求，可同时支持 4-16 个视频通道。该系列还可以满足即将到来的更高数据带宽要求。“我们确保了解行业的发展方向，并设计我们的解决方案来满足这些不断变化的要求”，Yuan 表示。

车载摄像头的未来发展

未来前进方向的一部分在于其他类型的摄像头，包括即使在边缘情况下也能检测物体的红外摄像头。SWIR（短波红外）也是一个竞争者。这就是多光谱视觉系统能够发挥一定作用，并且 EyeCloud 的 ECFG 系列也可以进行适应的原因。

EyeCloud 还致力于通过边缘 AI 使图像采集盒更智能。“英特尔处理器的片上系统格式有利于边缘 AI 应用，因为它们将图像处理、神经计算机引擎和 CPU 结合在一个芯片中”，Yuan 表示。支持 AI 的图像采集盒可应用于机器人、监控和各种其他用例。智能图像采集盒可以选择性地仅选取具有相关信息的帧，而不是将视频流的每一帧都传送到视觉处理器。例如，视觉处理器不需要同一条铺装道路的无止境的图像，但一个有移动的行人或动物进入的画面可能更有用。

“这是我们将采取的路线图，旨在使图像采集盒智能化，并使数据收集与英特尔边缘 AI 技术更相关”， Yuan 表示。“我们可以利用英特尔技术为图像采集盒添加灵活性和智能，这让我们对这一市场的未来增长感到非常兴奋。”

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。