安森美详解机器视觉应用趋势与深度感知技术挑战
大怪科学
安森美详解机器视觉应用趋势与深度感知技术挑战
深度感知作为机器视觉系统中的核心能力，在各类现实应用场景中发挥着不可替代的作用。安森美（onsemi）推出的 Hyperlux ID 间接飞行时间（iToF）深度传感器，凭借其小巧的封装和高效的性能，为高精度深度感知提供了全新解决方案。本文作为系列文章的第一篇，将深入剖析当前机器视觉的发展趋势，以及在实现深度感知过程中面临的技术挑战。
深度感知：工业自动化与 AI 视觉的关键基础
现代机器不仅要具备运动能力，还需能够自主感知环境、识别目标，并理解所处场景。在工业自动化系统中，实现这一能力的核心在于感知、定位以及与环境的互动。当这些系统由人工智能（AI）驱动时，深度传感器为处理器提供了关键的视觉信息支持。
对于机器视觉系统而言，实现精准的感知并非易事。在执行物体操作或路径规划任务时，处理器需在极短时间内获取大量深度数据。传统图像传感器在处理高速场景时，常产生光晕、拖影、运动模糊等伪影问题。这些问题并非来自真实环境，若缺乏深度感知能力及有效解析方法，处理器将难以做出准确判断。尽管可以依赖 AI 和机器学习算法来识别真实与虚假信号，但真正需要的是性能稳定、输出可靠的深度传感器。
如何为应用选择合适的深度传感器
作为全球领先的半导体厂商，安森美提供包括 CMOS 图像传感器、超声波传感器、短波红外（SWIR）传感器以及激光雷达在内的多种传感器产品。
激光雷达凭借其采用的直接飞行时间（dToF）技术，能够实现远距离的深度感知。在需要实时测距的应用场景中，dToF 技术在数据采集速度方面具有明显优势，同时还能检测路径上的多个物体。通过集成二维单光子雪崩二极管（SPAD）和硅光电倍增管（SiPM）技术，安森美激光雷达组件可探测最远达 300 米的光子信号。
然而，激光雷达在分辨率方面存在一定限制。由于其扫描方式类似画笔绘图，难以准确捕捉远处物体的细节特征，特别是在轮廓不清晰的情况下，这一问题尤为明显。
机器视觉对高分辨率深度数据的需求
在机器视觉系统检测到物体后，除了判断其距离，还需对其形状和结构进行识别。这意味着系统必须采集更多高密度的数据点，以提高分辨率与图像保真度。以下是一些典型应用场景：
- 工业安防系统用于监测大门或入口区域，识别半径约 10 米内的移动物体
- 视频会议设备在用户移动时自动调整焦距和画面构图
- 仓储与物流中心的管理系统持续跟踪货物库存与存放位置
- 工厂检测系统对零件进行实时检查，以发现潜在缺陷
- 物流系统对包裹和货物进行尺寸测量，以优化运输方案
- 车辆装载系统将库存中的物品自动转移至运输车辆
上述应用场景均对高分辨率深度感知提出了明确要求。通过识别物体的形态与结构，系统才能辅助软件判断最优操作方式。这一过程的核心在于从二维图像中提取三维信息，而安森美 Hyperlux ID iToF 传感器正是为此类任务提供了强有力的技术支持。
深度感知的技术挑战
距离本质上是一维空间的概念，而激光束的感知方式恰好体现了这一特性的优势与局限。以激光作为感知手段的设备，需通过多次扫描并整合数据以构建完整场景。尽管扫描速度正在加快，但这类技术仍受制于物理规律。
图：四种主流视觉技术的性能表现对比
颜色说明：绿色代表广泛使用，黄色代表偶有使用但效果不稳定，红色代表不常用。
实现深度感知至少需要一张二维图像，而通过多张图像则可推导三维信息。图像传感器的分辨率决定了其有效感知范围，而激光雷达则不受此限制。例如，近地轨道卫星可搭载激光雷达设备，从数千公里高空实现对地表地形的高精度测绘。
这一特性决定了激光雷达与图像传感器在不同工业领域的应用边界。随着 CMOS 图像传感器在能效和噪声抑制方面取得突破，越来越多的自动化设备开始采用这一技术来实现深度感知。
过去，CMOS 传感器因光学噪声与电磁干扰问题，并不适合用于消费级相机，特别是专业摄影领域。但智能手机的普及，推动了 NASDA 喷气推进实验室相关技术的应用，使得 CMOS 传感器在能耗与性能上大幅优化。
如今，安森美的 Hyperlux ID AF0130 和 AF0131 传感器，基于 CMOS 技术，相较传统 CCD 图像传感器与激光雷达设备，在多个方面实现了显著提升：
- 更高的能效，适合电池供电或低功耗场景
- 更容易集成到机械结构与封装中
- 热稳定性更强，无需额外散热装置，而激光雷达在高温下易受影响
- 深度测量精度高，借助 120 万像素（MP）分辨率与背照式（BSI）结构，以及内置图像处理能力
- 曝光速度更快，优化了图像处理、存储与读取流程
- 具备更强的可编程性，可根据应用场景调整传感器行为
本系列文章将持续深入解析 Hyperlux ID 如何结合智能 iToF 技术，解决实际应用中的技术挑战。
查看全文
评论0条评论