嵌入式视觉

嵌入式视觉是传统机器视觉的一个子集，嵌入式视觉系统包括嵌入式设备+相机，嵌入式设备可以对相机图像或视频进行编解码，并且能够实现一些智能算法。一般来讲，嵌入式视觉系统的功能不如传统机器视觉系统强大，但更易于使用和集成。与基于PC系统的一个主要区别在于，它们通常是为特定的应用场景和功能而构建的，硬件通常是针对特性应用而定制的，而基于PC系统通常用于一般的图像处理，通用性较强。除了个人电脑，在机器视觉中还经常使用算力更强大的集群服务器，就是云计算，和他们的区别，嵌入式视觉系统是属于边缘计算。

随着近年来嵌入式视觉设备中的板载处理器也越来越强大，嵌入式视觉应用越来越广泛，传统机器视觉和嵌入式视觉之间的区别变得越来越不明显。

相比于PC端和云服务的视觉系统，嵌入式视觉产品优势：尺寸小、重量轻、低成本、低功耗。

嵌入式视觉行业及相关产品

机器人

不得不说我最钦佩的波士顿动力公司的各种机器人产品，当然目前比较普及的还是一些工业机械臂。

无人机

例如目前很多消费级无人机实现感知障碍物、手势自拍、智能跟随等功能。

农业

采摘机器人，可以根据果实颜色判断是否成熟进行采摘。

增强现实

供应链管理

用于仓库内货物运输的自动导引车（AGV），以及用于自动库存跟踪的无人机，以及条形码扫描器。

医疗行业

数字皮肤镜、医疗影像设备。

汽车行业

主要是就是指自动驾驶技术。

VLSAM

目前应用比较广泛的扫地机器人。

智能相机

包括一些人脸识别相机、车牌识别相机、卡口相机、工业相机。

消费电子

包括平板电脑、智能眼镜、智能手机。主要是基于这些产品的一些智能的应用软件。例如手机相机的全景拼接、抖音的互动场景、人脸解锁、苹果手机大头娃娃、谷歌AR场景翻译等等。

嵌入式视觉的挑战

1、嵌入式资源有限（算力、内存、带宽）

客户端需要计算什么？

有多少数据需要传输到后端？

什么东西需要放到后端去计算？

后端需要传输多少数据才能在客户端做可视化？
（客户端/本地端/边缘端/设备端同一意思，后端/计算节点/云端/服务器同一意思）

2、研究适合在嵌入式上运行的视觉算法

如何保证算法准确性？

如何提高算法效率？（减少内存和算力）

如何提高算法速度？（实时性）

嵌入式视觉相关芯片

CPU
GPU（英伟达）
DSP
FPGA（赛灵思、Altera）
专门AI芯片（地平线、华为、寒武纪、比特大陆、英特尔）

目前来看主流的嵌入式视觉平台都是SoC，也就是各类芯片集成在一起。以目前比较成熟的海思平台举例，CPU做控制，GPU和DSP做视频编解码和处理图像算法，NNIE就是海思的AI芯片，是专门针对神经网特别是深度学习卷积神经网络进行加速处理的硬件单元。

最后

以上就是孝顺含羞草最近收集整理的关于什么是嵌入式视觉、行业应用、目前挑战嵌入式视觉嵌入式视觉行业及相关产品嵌入式视觉的挑战嵌入式视觉相关芯片的全部内容，更多相关什么是嵌入式视觉、行业应用、目前挑战嵌入式视觉嵌入式视觉行业及相关产品嵌入式视觉内容请搜索靠谱客的其他文章。