智能機器人視覺識別芯片
在信息時代,機器視覺在實現智能社會方面發揮著重要作用。視覺特征提取是機器視覺的一項關鍵技術,該技術可以提取圖像中具有鮮明特征的信息,諸如邊緣、角點、圓以及圖像形狀等特征,這些特征是標定機器視覺系統模型參數和運用機器視覺技術進行實際應用的前提和基礎。視覺特征提取技術廣泛應用于自主移動智能機器人、無人駕駛和無人機等場景,這些應用場景對視覺特征提取算法的魯棒性和幀率提出了巨大挑戰。
具體來說,視覺特征提取算法包括SIFT(Scale-Invariant Feature Transform,尺度不變特征轉換算法)、SURF(Speeded-Up Robust Features,加速穩健特征)、ORB(Oriented FAST and Rotated BRIEF,快速特征點提取描述)、HOG(Histogram of Oriented Gradient,方向梯度直方圖)、LBP(Local Binary Patterns,局部二值模式)等。在SURF、ORB、HOG、LBP這些經典的特征提取算法中,SURF的魯棒性相對較高,但是過于依賴主方向的選取,使得其方向變化魯棒性不足。SIFT算法可以從圖像中提取具有不變性的魯棒局部特征,對方向變化、光照變化、噪聲、雜物場景及遮擋影響等方面的魯棒性最強,滿足無人駕駛技術的需求。SIFT算法的運算量大從而導致的系統幀率低、功耗高的問題可以通過設計具有高并行度的專用硬件加速器芯片來解決。
華中科技大學
2022-10-11