新兴智能摄像机：探索1.5时代的科技应用

正如前面讨论的内容,光电鼠标是销售最广泛的智能摄像机。2005年,安捷伦公司报道了已销售第400万个光电鼠标。在20世纪80年代中期,智能摄像机的成功把工业应用、机器人和监控领域的兴趣提升到开发超大规模集成电路和嵌入式系统的先进技术层面,目的是制造出这些领域的专用智能摄像机。

Lyon发明的光电鼠标^[344]开辟了新兴传感器技术和视觉芯片领域,具体内容可参考Moini的专著^[385]。视觉芯片或称为智能可视化传感器,集成了图像获取及并行处理技术,通常把模拟和数字电路应用于像素级。视觉芯片分为两大类：空间和时空视觉芯片。20世纪80年代末,Carver Mead^[369]引入神经形态电路系统概念,描述了包含模拟和异步数字电路的超大规模集成电路系统,该系统模仿生物神经系统的结构。这一概念彻底变革了计算和神经生物学的前沿,导致了一个新的工程学科出现,目标是设计并实现人工神经系统,如视觉系统、听觉处理器或自主漫游机器人。该领域被称作“神经形态工程”。Carver Mead创造这一术语是为了命名在形式或形态上采用生物神经系统机理的人工系统。第4、5章将提供关于像素、检测器和芯片技术的详细内容。

最早的空间视觉芯片是由Misha Mahowaild和Carver Mead于1989年开发的硅视网膜芯片^[350]。他们最早实现以硅片为基础的生物视觉刻画。Mahowaild的硅视网膜计算模型是脊椎动物视网膜神经末梢层,包括锥状细胞、杆状细胞和双极细胞。后来,又出现了几种视觉芯片,如Van der Spiegel等人开发的凹形电荷耦合器件^[545],Andreou Boahen开发的硅视网膜^[18],Etienne-Cummings开发的单片立体视觉芯片^[426,385]。时空视觉芯片或称为移动检测芯片,兴起于Lyon的光电鼠标^[344]。还有几种运动检测芯片,如Tanner开发的光流运动检测芯片^[525],Delbruck的速率调制运动检测传感器[138],Moini等人开发的以昆虫视觉为基础的运动检测芯片^[385],Etienne-Cummings等人的运动检测器芯片^[168],还有其他很多芯片被列在参考文献[385]中。

在视觉芯片开发的同时,也在探索智能视觉传感器技术。1985年,Espedal^[162]设法为机器人接口专用摄像机,制造更复杂精巧的传感器件以便使这种“智能”机器人能解释所在环境的方方面面。同年,Buechli等人^[90]提出从图像中提取相关数字数据以实现低成本智能摄像机,设计了原型智能摄像机,并在计量、运动检测和条形码读取应用方面进行测试。

1986年,Engle（Vision Components公司的CEO）展示出一种更加紧凑的智能摄像机。1990年,柯达制定Photo CD标准,同时VLSI Vision推出imputer3,这是一种以CMOS传感器为基础^[390]的智能摄像机,如图1.10所示。

图1.10 VLSI Vision的imputer3体积为105×105×180mm,以英特尔的i960 CPU为基础设计。它的模块化概念使得定制的组件可以与工业外设直接接口（如光耦合I/O、ADC、DAC等）

受到昆虫视觉的启发,Francheschini等人^[189]设计并开发了一种机器人,可通过评估自身与所处环境的相对位移,进行单独漫游并避障。在参考文献[182]中,描述了以LAPP和PASIC两种智能传感器为基础的设计架构、实现及应用。这两种设计的基本思想是把图像传感器阵列与数字处理器阵列集成在单个芯片之上。集成处理器的摄像机消除了传统摄像机中顺序读取图像的瓶颈,可为工业检视、光学特征识别和机器人视觉等类似任务提供快速、简约、经济的解决方案。

受到早期昆虫视觉处理的启发,Bouzerdoum等人提出一种智能超大规模集成电路微传感器。该芯片作为一种实时可视微传感器,最初被用于自主机器人导航的设计,但也可被推广到其他应用,如智能摄像机、智能后视镜以及智能防撞保险杆。(www.xing528.com)

1996年,Shapiro^[486]概述了用于廉价机器视觉系统的智能摄像机的优势。同年,Easton^[155]描述了两个性能卓越的数字视频摄像机的事例,这两种产品均可改善或提高产品质量检测的精度。前一种摄像机包含一个连续扫描CCD和一个内建帧存储,无需闪光灯、机械快门或帧同步即可捕获快速移动物体的高分辨率静止图像。第二种摄像机集成数字信号处理功能,改善动态范围、彩色平衡和图像细节,使得被检测产品的色彩、对比度更加准确真实。Barth^[47]等人采用摄像云台技术,设计了一种能快速获得全景图像的系统。该系统利用快速行扫描摄像机取代传统的慢速区域摄像机。另外,他们还以智能传感原理为基础开发了由粗到细的全景摄像技术。

在参考文献[542]中,考虑到柱状的海洋离岸工程结构和光带传感器的关联性,提出遥控车辆的相对运动估计问题。其中,给出被测试“在空中”的实验装置。该装置以一个智能摄像机为基础,受Transputer网络驱动,摄像机中把光敏元器件和三个图像处理器集成于单一芯片。

Hemanto等人^[234]取得通过表面进行透明流体和固体层厚遥测技术的专利,该技术已被应用在Canpolar East的智能摄像机（VE-262）,并已证明了该技术可有效测量冰层厚度,适合飞机结冰的可靠检测。当激光束指向冰层表面时即可实现冰层厚度测量。由于激光在冰层中反射,最终在表面形成反光图案。根据反射图案的尺寸和介质的反射率,通过简单公式计算,便可得到层厚。按工业界的观点,从20世纪90年代早期开始,Imaging Industries公司便是提供智能摄像机的先锋。2000年,Cognex公司收购了该公司。2007年,飞利浦公司研究人员推出的高性能无线智能摄像机^[295],在低功耗和高质量成像方面对硬件提出挑战。该产品以SIMD智能视频分析处理器和作为本地主机的8051单片机为基础。无线通信采用IEEE802.15.4标准协议。此摄像机的目标应用是成为网络内的自主智能摄像机（更多细节参见第12章）。

Vision Components公司是一家智能摄像机制造商,生产各种不同的智能摄像机。SBC4018是该公司2006年推出的一款智能摄像机,如图1.11所示,体积为80mm×60mm,采用3200MIPS的TMS320DM640 DSP,以及彩色黑白兼容的图像传感器,分辨率从480×640至1024×768像素。

图1.11 Vision Components公司的SBC4018。3200MIPS的TMS320DM640 DSP和高分辨率性能为这种先进的摄像机提供了宽范围的应用

后续内容将展现智能摄像机的基础、技术、应用及市场。未来,随着处理能力更加强大,智能摄像机会越来越重要。我们期盼那样的时代。最后,作为小结,我们引用Don Braggins^[2]（担任着英国机器视觉协会的执行主席）关于智能摄像机的有趣论述：

在我看来,智能摄像机是人们利用视觉的首选方式,是一种成本和风险都很低的方式。随着类似GigEvision技术出现,没有必要每个摄像机中都拥有一个处理器,而且我提倡围绕产品线的方方面面来使用摄像机,便于阻止向发生缺陷的产品进一步投入生产价值。在20世纪90年代的一天,一位原先的客户给我打电话,问我是否知道可替代Imaging Industries公司^[3]的供应商。我问他们发生了什么问题,他回答,严格地说没什么问题,但本周我需要6台摄像机,他们不能及时供货。事实是他们在制造塑料瓶时出现了产品问题,虽然他们知道问题是什么,但一段时间内不能解决,因此他们临时要丢弃有缺陷的塑料瓶。我认为这种情况正是需要智能摄像机的地方——我认为他们仅仅主要保留了市场工具或一贴“橡皮膏”,而不是以长期的、全厂范围为基础的最佳解决方案。