跨越规模应用鸿沟,的卢深视三维全栈技术是如何做到的?

读特记者 闻坤 实习生 谭梓健
2020-08-28 20:13
摘要

深圳人工智能行业协会主办的2020深圳(国际)人工智能展于8月27日在深圳国际会展中心7号馆隆重开幕,作为深圳人工智能行业协会会员,的卢深视带来了最新3D CV相机、配合式三维人脸识别验证终端产品,展示其全栈三维视觉技术能力

深圳人工智能行业协会主办的2020深圳(国际)人工智能展于8月27日在深圳国际会展中心7号馆隆重开幕,作为深圳人工智能行业协会会员,的卢深视带来了最新3D CV相机、配合式三维人脸识别验证终端产品,展示其全栈三维视觉技术能力。            

的卢深视展示三维全栈技术            

在28日举办的第四届全球人工智能创业者大会上,的卢深视创始人兼CEO户磊带来了《3D CV相机,跨越规模应用鸿沟的全栈技术剖析》的主题分享。            

在三维成像领域,当前国内外市场上的三维采集技术主要应用于体感、增强现实、消费电子等领域,市场接受度的养成,以及三维产品用户体验革新提升,使得3D传感技术及产品即将迎来规模应用发展。            

的卢深视创始人兼CEO演讲分享            

户磊表示,随着3D技术日臻成熟,批量化落地生产使得成本降低,凭借更优性价比,3D视觉感知系统将成为机器标配的眼睛。            

高精度的3D人脸识别需要前期大量的数据训练,而与2D图像不同,3D图像必须依靠3D相机传感器生成高精度图像数据进行基础数据积累。了解市场以及具备完备的工程化能力,让的卢深视在产品研发阶段就走在前列。            

在技术上,的卢深视的三维全栈技术打通了从算法到产品的解决方案:            

在三维相机方面:自主知识产权的中远距离相机,在5米范围误差小于1mm,指标超越国际3D相机巨头,且量产良率超99%!在人脸三维重建方面:重建精度小于1mm,同等条件下精度高于苹果公司5个百分点!在人脸识别算法方面:能够实现千万级大库、亿级大库比对,等效三维人像识别错误率小于万亿分之一!真三维比对技术,指标远超二维识别厂商几个数量级。            

除此之外,数据本身的丰富度也会影响数据质量和精度,这对传感器以及相机提出了较高要求。为此,的卢深视深入市场调研,从应用层面打磨硬件产品,经过多年研发,推出3D CV相机。            

的卢深视3D-Face ID模组            

目前的卢深视自研国产3D CV相机均已实现量产,在5米范围误差小于1mm,指标超越国际3D相机巨头,且量产良率超99%,精度全球领先,具备独家专利技术,高度自主可控,极高性价比,满足大规模市场应用需求:            

的卢深视高精度RGBD相机(标准型)可用于刷脸支付终端、银行ATM、无人货柜、地铁刷脸闸机、AR/VR、物品体积测量等场景;的卢深视3D-Face ID智能模组可用于家庭智能门锁、智能保险柜、酒店公寓智能锁、智能门禁等场景。            

具体而言,的卢深视提供三维全栈技术,在像机模组设计方面,自主把控深度相机系统设计、平台选型、算法适配等环节,并且在温度补偿、结构补偿、高精度标定与校准等方面掌握核心技术,通过以上技术,能够降低对器件规格及一致性的要求,降低装配精度与成本,并提升良率,最终实现低成本。            

而今,3D传感技术及相机逐步进入“规模应用“阶段,3D视觉感知系统将成为机器标配的眼睛。跨越“规模应用”鸿沟,一方面需要厂商不断打磨产品,革新用户体验。另一方面,3D视觉产业链较长且并不成熟,亟需形成业界统一标准与共识,这些标准需要覆盖:3D图像评测标准、3D相机参数标准、3D数据接口标准等。            

建立三维数据标准及评价打分体系,是进行三维应用的基础,该标准及评价打分体系的专业性和有效性,决定了三维应用的效果与指标。三维人像库的构建需要彩色图、深度图、红外图及相关的相机参数信息,且主要考虑与识别有较大影响的深度图指标。            

的卢深视对于各种数据类别,均提供数据质量要求级评价标准。根据目前市场上常见的各深度相机的测试,的卢深视给出了计算深度相机深度图质量总体得分的计算公式:            

深度质量评分=F(准确度,拟合度,连续性,空洞率…)            

除此之外,的卢深视作为三维视觉全栈技术及方案提供商,结合深度市场调研,积极参与相关行业与技术标准制定,包括《安全防范人脸抓拍设备技术要求》标准、支付《远程人脸识别应用技术规范》标准等,为推动三维视觉产业跨越“规模应用”鸿沟,奠定坚持基础。         

编辑 程思玮   

(作者:读特记者 闻坤 实习生 谭梓健)
免责声明
未经许可或明确书面授权,任何人不得复制、转载、摘编、修改、链接读特客户端内容
推荐阅读

读特热榜

IN视频

鹏友圈

首页