事件视觉进入手机,下一站是机器人、无人机?

机器人视觉传感器技术全解析:从SLAM到双目视觉 感知技术是机器人进入物理世界的基础,它决定了机器人能否回答“我在哪里”“周围有什么”等核心问题。在机器人系统中,视觉传感器采集图像与深度信息,SLAM算法将连续图像转化为定位与地图,识别模型则从像素中提取人与物体。双目相机通过视差计算深度,为抓取与避障提供精确的空间坐标,而视觉引导、AR/VR以及仿生视觉进一步扩展了感知的边界。理解这一技术链路,需要从相机模型、坐标变换、多传感器同步这些基本功入手,才能在实际工程中完成从标定、立体匹配到轨迹评估的完整闭环。本文面向希望系统学习机器人视觉和SLAM的开发者,从 阅读详情

11 月 5 日,Motorola 正式发布新一代高端旗舰手机 signature 27。此次发布中,一项影像创新引起行业关注——新机引入了专门用于运动感知的 EVS Action Sensor(事件视觉动作传感器)。

这颗传感器背后的技术,是锐思智芯自主研发的 HVS(Hybrid Vision Sensing,融合视觉感知)。它的技术亮点在于:把传统图像感知和事件视觉感知融合在同一套感知里,让相机不仅"看见画面",还能"感知运动"——在弱光、高速运动这类过去最容易拍糊的场景下,做出更聪明的曝光决策。

对懂行的人来说,这一步的分量不轻。

先说说这件事背后是谁

这颗传感器背后的技术,叫 HVS(Hybrid Vision Sensing,融合视觉感知),来自锐思智芯(AlpsenTek)。

HVS 是锐思智芯自主研发的技术。团队在这个方向上坚持了七年,又用了四年时间,把它从实验室一步步带进量产,最终携手 Motorola、高通,第一次把事件视觉装进了全球高端旗舰手机。

一件事,行业探索了很多年,一直停在演示和论文里;真正把它变成消费者能买、能用、能改善体验的产品,这一步是锐思智芯走出来的。这份开创性,值得先放在最前面说清楚。

这项技术,其实已经等了很久

说"事件视觉"是新东西,其实并不准确

事件相机(EVS)这个方向,已经存在了很多年。这些年里,研究做了无数次,论文也出了几百篇,但真正能做到大规模落地应用的,少之又少——缺的从来不是理论,而是落地。

它和传统相机,有一个根本的不同

传统相机按帧率记录一帧帧完整画面;事件相机只在"像素亮度发生变化"的那一刻输出信息——哪个像素、什么时刻、发生了怎样的变化。

这个特性,给了它两个传统相机很难同时做到的能力:微秒级的响应速度,和极高的动态范围。运动再快、光比再大,它都能跟得上、看得清。

但也正是这个特性,让它长期难以落地

因为它输出的不是图像,而是一串稀疏的事件流。传统算法和芯片,生来就是为"处理图像"设计的,面对这种全新的数据形态,长期没有成熟的配套。

一个技术,感知能力再强,如果算力接不住、算法不配套,就只能是实验室里的演示品。事件相机,就在这个尴尬的位置上停了很多年。

直到最近这几年,情况变了

AI 起来了,边缘算力充足了,针对事件流的算法和芯片也一步步成熟了。技术这一关,终于打通了。

而 HVS,是这条路上走得更远的一步:它把事件(EVS)和图像(APS)融合进了同一套感知里——既保留"感知运动变化"的能力,又补上了"看清完整画面"这一块。感知变化和看清画面,不再二选一。

当技术成熟到能装进手机、稳定运行,还能真正改善体验的时候,这件事本身,就是一个信号:事件视觉的落地,真的要加速了。 手机,只是第一个被推开的市场。

我们提供硬件方案

一颗好传感器,要变成你真正能用起来的东西,中间还隔着一层——硬件方案。

芯片和技术,锐思做出来了。而我们把这项技术变成能直接上手的硬件。

我们把 HVS 这条已经走通的技术,做成了两种形态:

整机:灵光3号 开箱即用,插上电就能出数据。你不用碰底层、不用搭硬件,拿到手就能做研究、采数据、验证算法。适合高校实验室、课题组,以及想快速评估这项技术的团队。

模组:ShiMetaPi EVS事件相机套件   可嵌入、可集成,把传感器、镜头、接口做成一块小板,留给你接进自己的系统里。适合机器人、无人机、自动驾驶这类要把视觉装进整机的项目——你配自己的主控、配自己的镜头,就能做出自己的原型。

一个是给你的现成答案:

灵光3号:成品整机,开箱即用面向科研实验、数据采集及AI算法开发与验证。

EVS+APS 模组:面向嵌入式与移动端应用适用于智能机器人、无人机、自动驾驶等场景的集成与落地。

事件视觉的落地正在加速。手机推开了第一扇门,后面的机器人、无人机、自动驾驶、工业视觉,都会跟着快起来。

需要这双"感知运动的眼睛"的,来找我们。

事件相机、事件视觉、EVS 传感器、HVS 融合视觉、事件相机应用

大疆ROMO2:无人机感知技术下放地面,打造智能家居巡检机器人 机器人要在室内稳定工作,核心依赖感知、定位与决策三大能力。常见的视觉避障技术帮助设备识别桌腿、线缆等细碎障碍,SLAM算法则在无GPS环境下构建地图并实时修正位姿,而路径规划则确保从起点到目标点的安全绕行。这些技术原本在无人机上验证成熟,如今正被系统性地迁移到地面机器人上,形成新的智能终端形态。技术价值在于降低开发门槛:开发者可直接复用无人机生态中的算法框架、通信协议与云端管理工具,将室内移动、动态避障、远程巡检等能力快速集成到业务系统中。典型应用包括家庭巡检、老人看护、门店巡查与仓库盘点。大疆ROMO2正 阅读详情

相关推荐

从无人机定位到AR互动:用Python的AprilTag库能玩出哪些花样?

本文探讨了Python的AprilTag库在无人机定位、AR互动等领域的创新应用。通过详细的代码示例和技术解析,展示了如何利用AprilTag实现高精度空间定位、无人机自主导航和AR内容触发,为开发者提供实用的技术指南和创意灵感。

weixin_30847865的博客 403

2022 年计算机视觉的三大趋势

点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达计算机视觉是进步最大、发展最快的领域之一。根据 Global VIEW 的研究,全球计算机视觉市场规模在 2020 的...

小白学视觉 4291

从扫地机器人到AR眼镜:一文看懂视觉SLAM的‘前世今生’与实战应用

本文深入探讨了视觉SLAM技术从实验室研究到商业落地的完整演进历程,详细解析了其在扫地机器人、AR眼镜等消费级产品中的实战应用。通过对比不同时期的算法框架和硬件配置,揭示了视觉SLAM如何克服动态物体处理、光照变化等工程化挑战,并展望了神经辐射场建图等前沿趋势。

weixin_30516243的博客 246

5分钟搞懂事件相机:它为啥是SLAM/VIO在暗光、高速场景下的‘救星’?

本文深入解析事件相机如何成为SLAM/VIO在暗光、高速场景下的关键技术突破。通过对比传统相机的局限,揭示事件相机微秒级响应、超高动态范围和低功耗等优势,及其在无人机、工业检测和医疗等领域的革命性应用。

weixin_30945039的博客 359

仿生机器视觉:从螳螂复眼到事件相机与神经形态计算的3D感知革新

立体视觉与深度感知是机器人环境交互的核心基础,其原理在于通过多视角图像或主动传感获取视差信息,进而解算三维空间结构。这一技术为机器人赋予了精准的定位、导航与操作能力,是实现自主智能的关键。传统基于稠密点云重建的3D视觉方案常面临计算负载大、功耗高、实时性不足的挑战。受生物视觉系统启发,事件相机作为一种仿生传感器,通过异步报告像素级亮度变化,实现了极高的时间分辨率与极低的数据冗余,为动态场景感知提供了新范式。结合神经形态计算硬件对事件流进行脉冲神经网络处理,可构建超低延迟的“感知-行动”闭环。这种任务导向、稀

weixin_33910137的博客 522

空地协同新范式:视觉SLAM如何重塑无人系统的自主导航

本文探讨了视觉SLAM技术在空地协同无人系统自主导航中的革新应用。通过多层级特征融合算法和动态地图融合技术,视觉SLAM有效解决了无人机与地面机器人在协同建图和导航中的盲区问题,显著提升了定位精度和路径规划效率。文章还分享了在GPS拒止环境下的实战解决方案,展示了视觉-惯性紧耦合系统的强大韧性。

weixin_27051161的博客 396

ROS2机器人笔记20-12-04

ROS2开发和推广的速度比预想要快很多,之前在博文: 从2050回顾2020,职业规划与技术路径(节选) 提及2020是商用机器人操作系统普及元年,本以为是刚刚开始,结果已经是遍地开花,日新月异已经不合时宜了,夸张点是“秒新分异”。 ADLINK will incorporate AI technologies to develop robot controllers with vision, detection, precision control and real-time communi

zhangrelay的专栏 4140

从扫地机器人到自动驾驶:聊聊SLAM技术路线在不同场景下的选型与落地难点

本文深入探讨了SLAM技术路线在扫地机器人、仓储AGV、消费级无人机和自动驾驶汽车等不同场景下的选型与落地难点。通过对比视觉SLAM与激光SLAM的优缺点,提供六维决策模型帮助开发者根据精度需求、动态环境、成本约束等因素选择最优方案,并解析了实施中的五大陷阱与解决方案。

weixin_26712075的博客 349

园区无人驾驶巡逻车:人脸识别与异常事件自动响应

园区无人巡逻车正从展示型试点走向政企常态值守。全国多地已部署应用:德阳无人巡防车具备人脸识别与一键报警功能;榆林公安采用L4级无人巡逻车,实现24小时在岗、AI智能分析与声光警示;遂宁警用无人巡逻车可自动巡逻并识别异常;陕西首台"空地一体"无人巡逻车实现与无人机协同。 核心能力:L4级无人驾驶,融合人脸识别、车牌识别、热成像与烟雾检测,可在移动状态下抓拍比对白名单,发现陌生人闯入、车辆违停、烟火点或人员倒地等异常时,自动声光告警并推送至安防平台形成工单闭环。一台无人巡逻车可替代4名保安,4年回本。 政企采购

airobotcn的博客 431

移动端事件相机框架:从异步事件流到实时视觉感知的工程实践

事件相机是一种新型的视觉传感器,其工作原理与传统CMOS图像传感器有本质区别。它采用事件驱动机制,仅异步记录像素亮度变化的时空信息,输出稀疏的事件流而非完整图像帧。这一原理使其具备了微秒级延迟、超高动态范围和极低功耗的核心技术优势,特别适合对实时性和能效要求严苛的应用场景。在移动设备上,为了充分发挥事件相机的潜力,需要构建一套专门的软件框架来处理其特有的异步、稀疏、高吞吐数据流。该框架需解决从底层传感器驱动、高效数据表示、流式处理引擎到上层应用接口的全链路挑战,并针对移动端的性能、功耗和碎片化约束进行深度优

weixin_33230433的博客 527

2022年计算机视觉3大趋势

计算机视觉是最进步和发展最快的领域之一。根据Grand View Research的数据,2020 年全球计算机视觉市场规模为 113.2 亿美元,预计从 2021 年到 2028 年将以 7.3% 的复合年增长率增长。支持 AI 的计算机视觉用例几乎数不胜数最受欢迎的是消费级无人机以及自动和半自动车辆。此外,由于计算机视觉的最新进展,人工智能现在已成为各个行业的必需品,例如教育、医疗保健、机器人、消费电子、零售、制造等。因此,鉴于计算机视觉的突然发展,调查这一切的起点和发展方向非常重要,尤其是在选择下一个

gbstack08的专栏 2177

移动端神经形态视觉:事件相机与脉冲神经网络的高效融合与部署实践

神经形态计算是一种模仿生物神经系统信息处理方式的新型计算范式,其核心在于处理稀疏、异步的时空信号。这一原理在计算机视觉领域催生了事件相机与脉冲神经网络的技术组合。事件相机通过像素级亮度变化触发事件,天生具备高时间分辨率与数据稀疏性;脉冲神经网络采用事件驱动的稀疏计算模型,两者在数据特性与计算模式上高度契合。这种结合的技术价值在于,能从源头消除冗余计算,为移动端和嵌入式设备带来极致的能效比与超低延迟。在应用场景上,它特别适用于对功耗和实时性要求严苛的AR/VR、移动机器人、无人机避障等动态视觉感知任务。本文聚

weixin_30740295的博客 651

从像素级报警到类脑视觉:事件相机原理、应用与研究全解析

计算机视觉长期依赖规则网格的帧图像,但面对高速运动、极端光照和低功耗场景时,传统相机暴露了物理极限。事件相机采用了完全不同的机制:每个像素独立检测光强变化,以异步事件流记录时空信息,时间分辨率达微秒级,动态范围超过120dB,功耗仅毫瓦级。这类神经形态设备借鉴了生物视网膜的工作方式,催生了事件视觉这一新分支。事件流天然适合高速目标检测、连续时间SLAM、强度图像重建等任务,但也带来数据稀疏、算法迁移困难、标注成本高等挑战。了解事件相机与传统相机的本质差异,是进入该领域的第一步,能帮助研究者和工程师把握其在无

weixin_33985679的博客 288

天眸芯与类脑互补视觉:从芯片底层重新定义AI感知

视觉感知是人工智能理解物理世界的入口,但传统相机采用均匀采样,在真实动态场景中常面临功耗高、延迟大、拖影严重等瓶颈。类脑视觉提出了一种全新思路:通过事件驱动机制,让传感器只在场景变化时产生稀疏信号,从而大幅降低数据量并提升时间分辨率。其核心在于“互补”范式——一条通路负责看清细节,另一条通路负责捕捉变化,两者融合后,系统既能识别物体,又能实时响应动态事件。这种低功耗、低延迟的感知方式,为机器人、自动驾驶、工业检测等场景提供了新的技术选项。天眸芯团队将两条通路统一到同一芯片架构中,使类脑视觉从概念走向封面级成

weixin_34345753的博客 360

宾大提出F³:事件相机迎来“预测性”表征新范式,光流、分割、深度全SOTA!

这种“化繁为简”的思路,将复杂的异步稀疏数据流问题,转换为了我们所熟悉的密集图像特征处理问题,为事件相机在自动驾驶、机器人、无人机等领域的广泛应用铺平了道路。它像生物视网膜一样,将原始、稀疏的事件信号(B)处理成更高级、更鲁棒的特征(C),能够直接用于各种下游视觉任务,并在分割、光流和深度估计等任务上取得了优异成果(D)。为了验证F³的实力,研究者们在各种极具挑战性的场景下进行了测试,涵盖了不同的机器人平台(汽车、四足机器人、无人机)、不同的光照条件(白天、夜晚)和不同的环境(室内、室外、城市、越野)。

我爱计算机视觉 926

纳米无人机自主导航:技术挑战与轻量化解决方案

自主导航技术是无人机系统的核心能力,其实现依赖于感知-决策-控制的完整闭环。在纳米级无人机(Nano-UAVs)领域,极端的SWaP(尺寸、重量和功耗)约束对传统导航技术提出了全新挑战。通过专用加速器如GAP8 SoC和事件相机等创新硬件,结合轻量化CNN和神经形态控制算法,实现了毫瓦级功耗下的实时导航。这些技术突破使得重量不足50克的微型无人机能够在搜救、农业监测等场景中完成复杂任务,推动了边缘智能设备在资源受限环境下的应用边界。

weixin_34293246的博客 353

机器视觉-简述机器视觉在检测中的应用|星上维智能科技

在以智能制造为核心的工业4.0时代背景下,随着中国制造2025战略的深入,工业智能机器人产业市场呈现爆炸式增长势头,其中充当工业机器人“火眼金睛”角色的机器视觉功不可没! 从2016年开始,机器视觉检测和协作机器人因为机器人智能化的升级而成为热点,然而,协作机器人在2018年上半年却明显有热度减弱的趋势,但机器视觉检测却一路升温。 从2017年到2018年上半年,据不完全统计,就有将近20起机器视...

weixin_43801469的博客 458

深度解析事件相机DVS/Event-based Camera:从原理到前沿应用全景指南

本文深度解析事件相机(DVS/Event-based Camera)的工作原理与前沿应用,涵盖其生物启发技术、核心传感器架构及高动态场景下的杀手级应用。事件相机以其微秒级响应、140dB动态范围和超低功耗优势,在自动驾驶、机器人精准操控等领域展现革命性突破。特别探讨了DAVIS等主流传感器技术及与类脑计算的融合趋势,为视觉感知技术发展提供全景指南。

weixin_29229261的博客 756
上一篇: 什么是EVS+APS 模组?和成品事件相机有什么不同?
ShiMetaPi
博客等级 码龄1年 243粉丝 183原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值