艾迈斯半导体推出新款超微型数字图像传感器

• 该数字图像传感器小巧轻便、结构紧凑,可用于VR头盔等对尺寸要求苛刻的可穿戴电子设备中
• 新型表面贴装式NanEye图像传感器其晶圆级集成光学元件面积仅为1mm2,能够集成到任何尺寸受限的应用中以增添可视化功能
• 具有100k像素的高分辨率和深焦距,能够满足VR头盔和其他消费电子设备中人眼追踪所需的图像质量和低功耗要求
• 便捷的数字输出,易于集成到基于微控制器或应用处理器的系统中

中国,2020年12月15日——全球领先的高性能传感器解决方案供应商艾迈斯半导体(ams AG,瑞士股票交易所股票代码:AMS)今日宣布将推出一款超微型的高性能图像传感器——NanEyeC,其具有100k像素的高分辨率,并提供数字视频输出,适用于任何对尺寸和性能都有严苛要求的移动电子设备中,例如虚拟现实(VR)头盔等消费类可穿戴设备。另外,该图像传感器不仅支持各类视觉传感,符合GDPR要求,并可灵活连接到各种接口,且其极低的成本同样适合应用于一次性消费电子产品中。
在这里插入图片描述
新型NanEyeC图像传感器采用芯片级封装的微型摄像头模块,面积仅为1mm2,重量约为1g。NanEyeC兼具广角视野和良好的焦深,能够满足一系列新兴视频应用对响应速度和图像质量的要求。在这类视频应用中,摄像头必须足够小到几乎隐藏或安装在极小空间内。具体应用包括:

• 虚拟现实(VR)、增强现实(AR)头盔及眼镜中的人眼追踪
• 智能照明和空调等楼宇自动化系统中的人员监测和计数
• 扫地机器人或极小型无人机等机器人设备中的物体检测和避让
• 在玩具和模型火车中提供沉浸式体验
• 胶囊内窥镜或牙科成像工具

艾迈斯半导体NanEyeC产品营销经理Dina Aguiar表示:“由于尺寸小且图像质量高,NanEye产品系列已在医用内窥镜制造商中备受青睐。如今,NanEyeC的消费版本采用紧凑型SGA封装,提供同样出色的质量和性能,适合安装在可穿戴设备或移动设备中空间受限的PCB上。”

NanEyeC是一款功能全面的图像传感器,以带有镜头的1mm x 1mm表面贴装模块形式供货。它提供数字图像数据,最大分辨率为320x320像素,在单端接口模式(SEIM)下最大速率可达58帧/秒。

该传感器配备数字LVDS或SEIM接口,可轻松连接任何主机微控制器或应用处理器。此外,该传感器还支持待机模式以降低功耗。

NanEyeC图像传感器样品现已开始供货,此外还可以订购评估套件。

关于艾迈斯半导体
艾迈斯半导体公司设计和制造高性能模拟传感器解决方案。公司愿景是通过传感器解决方案提供人与科技的无缝交互,打造完美世界。 艾迈斯半导体的高性能传感器解决方案致力于推动对小型外观、低功耗、高灵敏度、多传感器集成有要求的应用。公司主要为消费、通讯、工业、医疗和汽车市场的客户提供包括传感器解决方案、传感器IC、接口及相关软件在内的产品。 艾迈斯半导体公司总部位于奥地利,全球员工约9,000人,为遍布全球的8,000多家客户提供服务。艾迈斯半导体在瑞士证券交易所上市(股票代码——瑞士股票交易所:AMS)。

艾迈斯半导体(ams)是隶属艾迈斯半导体集团(ams AG)的注册商标。此外我们众多产品和服务都于艾迈斯半导体集团旗下注册或拥有商标。本新闻稿中提及的所有其他公司或产品,其名称或为商标或已由其所有者注册商标。新闻稿中所提供的资料在发布时为准确无误,如有更改,将不作另行通知。

C语言-光伏MPPT算法:电导增量法扰动观察法+自动全局搜索Plecs最大功率跟踪算法仿真内容概要:本文档主要介绍了一种基于C语言实现的光伏最大功率点跟踪(MPPT)算法,结合电导增量法与扰动观察法,并引入自动全局搜索策略,利用Plecs仿真工具对算法进行建模与仿真验证。文档重点阐述了两种经典MPPT算法的原理、优缺点及其在不同光照和温度条件下的动态响应特性,同时提出一种改进的复合控制策略以提升系统在复杂环境下的跟踪精度与稳定性。通过仿真结果对比分析,验证了所提方法在快速性和准确性方面的优势,适用于光伏发电系统的高效能量转换控制。; 适合人群:具备一定C语言编程基础和电力电子知识背景,从事光伏系统开发、嵌入式控制或新能源技术研发的工程师及高校研究人员;工作年限1-3年的初级至中级研发人员尤为适合。; 使用场景及目标:①掌握电导增量法与扰动观察法在实际光伏系统中的实现机制与切换逻辑;②学习如何在Plecs中搭建MPPT控制系统仿真模型;③实现自动全局搜索以避免传统算法陷入局部峰值问题,提升复杂工况下的最大功率追踪效率;④为光伏逆变器或太阳能充电控制器的算法开发提供技术参考与实现范例。; 阅读建议:建议读者结合文中提供的C语言算法逻辑与Plecs仿真模型同步学习,重点关注算法判断条件、步长调节策略及仿真参数设置。在理解基本原理的基础上,可通过修改光照强度、温度变化曲线等外部扰动因素,进一步测试算法鲁棒性,并尝试将其移植到实际嵌入式平台进行实验验证。
【无人机协同】动态环境下多无人机系统的协同路径规划与防撞研究(Matlab代码实现)​ 内容概要:本文围绕动态环境下多无人机系统的协同路径规划与防撞问题展开研究,提出基于Matlab的仿真代码实现方案。研究重点在于在复杂、动态环境中实现多无人机之间的高效协同飞行与避障,涵盖路径规划算法的设计与优化,确保无人机集群在执行任务过程中能够实时规避静态障碍物与动态冲突,保障飞行安全性与任务效率。文中结合智能优化算法,构建合理的成本目标函数(如路径长度、飞行高度、威胁规避、转弯角度等),并通过Matlab平台进行算法验证与仿真分析,展示多机协同的可行性与有效性。; 适合人群:具备一定Matlab编程基础,从事无人机控制、路径规划、智能优化算法研究的科研人员及研究生。; 使用场景及目标:①应用于灾害救援、军事侦察、区域巡检等多无人机协同任务场景;②目标是掌握多无人机系统在动态环境下的路径规划与防撞机制,提升协同作业能力与自主决策水平;③通过Matlab仿真深入理解协同算法的实现逻辑与参数调优方法。; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,重点关注目标函数设计、避障策略实现与多机协同逻辑,配合仿真结果分析算法性能,进一步可尝试引入新型智能算法进行优化改进。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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