智能機(jī)器人視覺識別芯片
在信息時(shí)代,機(jī)器視覺在實(shí)現(xiàn)智能社會方面發(fā)揮著重要作用。視覺特征提取是機(jī)器視覺的一項(xiàng)關(guān)鍵技術(shù),該技術(shù)可以提取圖像中具有鮮明特征的信息,諸如邊緣、角點(diǎn)、圓以及圖像形狀等特征,這些特征是標(biāo)定機(jī)器視覺系統(tǒng)模型參數(shù)和運(yùn)用機(jī)器視覺技術(shù)進(jìn)行實(shí)際應(yīng)用的前提和基礎(chǔ)。視覺特征提取技術(shù)廣泛應(yīng)用于自主移動智能機(jī)器人、無人駕駛和無人機(jī)等場景,這些應(yīng)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(zhàn)。
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(zhuǎn)換算法)、SURF(Speeded-Up Robust Features,加速穩(wěn)健特征)、ORB(Oriented FAST and Rotated BRIEF,快速特征點(diǎn)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(jīng)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(qiáng),滿足無人駕駛技術(shù)的需求。SIFT算法的運(yùn)算量大從而導(dǎo)致的系統(tǒng)幀率低、功耗高的問題可以通過設(shè)計(jì)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(xué)
2022-10-11