标签: 机器视觉

思特威:人工智能浪潮,将机器视觉冲向新蓝海

今年以来,以ChatGPT为代表的大语言模型掀起了新一轮AIGC人工智能技术浪潮,而最近Meta推出图像分割大模型SAM,使得用于自然语言处理的Prompt模式也开始被应用在计算机视觉领域。AI研究专家认为,SAM之于计算机视觉的意义,就像是GPT之于大语言模型。

瑞芯微发布新一代机器视觉方案RV1106及RV1103

2月17日消息,瑞芯微电子股份有限公司(以下简称“瑞芯微”)正式发布新一代机器视觉方案RV1106及RV1103,两颗芯片在NPU、ISP、视频编码、音频处理等性能均有显著升级,具有高集成度、高性价比、低待机功耗的特点。RV1106及RV1103为普惠型方案,旨在助力更多行业伙伴高效实现机器视觉产品的研发及落地。

特斯拉弃用雷达,设计走向纯视觉化

在不久前的一场企业私下聚会中,稳懋董事长陈进财在饭席闲聊时,好奇地问鸿海董事长刘扬伟,「我一直搞不懂,为什么特斯拉一直坚持使用镜头,却不愿意使用激光雷达?」当时刘扬伟笑着说,「这大概是因为美国人的想法,希望尽量化繁为简,对汽车系统而言,感测的装置或讯号来源也是愈单纯愈好。」言下之意,特斯拉执行长马斯克坚持这样的想法,不仅可以减少系统设计难度,也能有效降低成本。

比雷达/摄像头/GNSS更可靠,自动驾驶最后的安全防线却是它?

目前在自动驾驶领域,毫米波雷达、激光雷达、摄像头技术是应用较为广泛的三项传感技术,此外还有GNSS卫星定位导航技术。但是,这些技术都会受到外部环境的影响。比如毫米波雷达、激光雷达和摄像头都会受到雨雪雾等恶劣天气的影响,摄像头还会受到光线的影响。而卫星定位同样也会在隧道、地下停车场等场景下丢失信号,即便是有信号,卫星导航也会因为接收机噪声、卫星内部时钟误差、卫星轨道误差、多径效应,对定位的精度产生较大误差。那么在以上传感器都受干扰的情况下,如何来保障自动驾驶的安全呢?