Năm biến số quyết định giải pháp mô-đun camera quan trọng hơn nhiều so với số lượng điểm ảnh
Chúng tôi thường có khách hàng đến với chỉ một yêu cầu duy nhất: "Tôi cần một mô-đun camera để sử dụng trên robot."
Chỉ một tuyên bố này thực sự đặt ra hơn một tá câu hỏi. Liệu robot sẽ hoạt động trong kho trong nhà hoặc thực hiện kiểm tra ngoài trời tại trạm biến áp? Nó có cần hoạt động vào ban đêm không? Nó chỉ cần xuất hình ảnh hay cũng cần dữ liệu khoảng cách? Module trong robot được phân bổ bao nhiêu không gian? Nó chạy bằng pin hay cắm điện?
Tùy thuộc vào câu trả lời cho những câu hỏi này, mô-đun camera cuối cùng được giao có thể cần được đại tu toàn diện—từ ống kính, cảm biến, cơ chế màn trập đến giao diện, cấu trúc và phương pháp hiệu chuẩn.
Hãy lấy một vài dự án mà chúng tôi đã làm để làm rõ những thách thức thực sự trong từng kịch bản—và trong quá trình đó, làm nổi bật một thực tế thường bị bỏ qua: việc chọn một module camera không bao giờ là chọn một tham số duy nhất, mà là thực hiện một loạt các đánh đổi.
1. AGV và robot logistics: Thách thức không phải là nhìn rõ mà là tính toán chính xác
Nhiệm vụ của AGV kho là tránh chướng ngại vật và xác định vị trí. Môi trường mà họ đối mặt có nhiều đặc điểm: kệ dày đặc, sàn phản chiếu, lối đi hẹp và ánh sáng thay đổi tùy theo ánh sáng kho hàng.
Cạm bẫy phổ biến nhất ở đây là coi đây như một cuộc giám sát thông thường. Camera giám sát chỉ cần tạo ra hình ảnh rõ nét, trong khi AGV cần thông tin định lượng như "chướng ngại vật này cách tôi 1,2 mét." Các giải pháp đơn mắt dựa vào thuật toán để ước lượng khoảng cách, nhưng sai số được khuếch đại đáng kể ở khoảng cách gần và trên bề mặt có kết cấu thấp; Stereo hoặc giải pháp có đầu ra độ sâu tính khoảng cách ở cấp phần cứng, giảm đáng kể gánh nặng cho thuật toán.
2 Hệ thống điện và tuần tra khuôn viên: Thử thách thực sự diễn ra vào ban đêm
Robot kiểm tra thường thu nhận ánh sáng nhìn thấy vào ban ngày và dựa vào chiếu sáng hồng ngoại hoặc cảm biến ánh sáng yếu vào ban đêm. Chính cảnh quay ban đêm mới thực sự làm họ khác biệt: nhiễu, mờ chuyển động và phơi sáng quá mức trong các tình huống dải động cao.
Trạm biến áp là một ví dụ kinh điển. Bề mặt thiết bị là kim loại, gây phản xạ mạnh vào ban ngày, trong khi ban đêm có ánh sáng cục bộ—tạo ra một khung hình duy nhất chứa cả thanh cái phản xạ mạnh và vùng bóng bị chiếu sáng nền. Trong những trường hợp như vậy, không phải độ phân giải được kiểm tra mà là dải động. Cảm biến thiếu sáng kết hợp với ghép nhiều khung hình có thể giữ được cả chi tiết sáng và tối, nhưng điều này làm giảm tốc độ khung hình, khiến hiện tượng mờ chuyển động dễ xảy ra hơn khi robot di chuyển.
Đây là sự đánh đổi: ưu tiên hình ảnh sạch hoặc đảm bảo chuyển động luôn sắc nét. Hầu hết các kịch bản kiểm tra đều liên quan đến chuyển động dừng-đi, nên tốc độ khung hình thấp hơn là chấp nhận được; tuy nhiên, đối với các tuyến kiểm tra liên tục, tốc độ khung hình không được quá thấp.
3. Kính AI: Tất cả thông số kỹ thuật đều bắt buộc, nhưng không gian có hạn
Kính AI đã là lĩnh vực được bàn luận nhiều nhất trong hai năm qua—và cũng là thách thức lớn nhất. Khó khăn không nằm ở các thông số kỹ thuật, mà nằm ở các giới hạn vật lý.
Trọng lượng cho phép đeo kính là cố định, và các ngôi đền phải chứa pin, bộ điều khiển chính, camera và mô-đun không dây. Không gian dành cho module camera không được lớn hơn móng tay, và độ dày phải được giữ trong phạm vi vài milimét. Điều này có nghĩa là cảm biến không thể lớn, ống kính không được dài, và gần như không có chỗ cho tản nhiệt.
Hệ quả trực tiếp của cảm biến nhỏ là giảm lượng ánh sáng hấp thụ và hiệu suất kém trong điều kiện ánh sáng yếu. Cách duy nhất để bù đắp là thông qua khẩu độ lớn hơn, lớp phủ tốt hơn, hoặc thuật toán. Nhưng vì kính được đeo lên mặt, nên có giới hạn cứng về mức tiêu thụ điện năng và nhiệt sinh ra — mức tiêu thụ điện năng của module phải được giữ ở mức miliwatt, nếu không pin sẽ không dùng được nửa ngày.
Có một vấn đề khác thường bị bỏ qua: trường nhìn và méo hình. Vì camera trong kính thông minh ghi lại góc nhìn thứ nhất, trường nhìn phải gần giống với những gì mắt người nhìn thấy; Méo mép quá mức có thể gây ra vấn đề cho cả thuật toán xử lý hậu kỳ lẫn trải nghiệm người dùng. Điều này đòi hỏi thiết kế và hiệu chuẩn ống kính phối hợp — không đơn giản chỉ là thay ống kính góc rộng.
Dựa trên các giải pháp đã thảo luận ở trên, rõ ràng việc lựa chọn mô-đun camera cuối cùng được quyết định bởi năm biến số sau:
Đầu tiên là độ sáng và dải động. Trong các cảnh ban đêm, có đèn nền hoặc phản chiếu mạnh, cảm biến có hiệu suất trong điều kiện ánh sáng yếu và dải động rộng sẽ đặt giới hạn trên. Yếu tố này về cơ bản được xác định khi chọn cảm biến và khó có thể bù đắp sau này.
Thứ hai là loại màn trập. Đối với các cảnh tĩnh hoặc chuyển động chậm, màn chập cuộn hoạt động tốt và tiết kiệm chi phí; Chuyển động tốc độ cao cần màn trập toàn cục. Chọn sai phương án ở đây có nghĩa là không thuật toán nào có thể bù đắp cho nó sau này.
Thứ ba là phương pháp thu thập thông tin độ sâu. Nếu chỉ cần hình ảnh, máy ảnh một mắt là đủ; nếu cần khoảng cách, cần một camera stereo, đèn có cấu trúc hoặc ToF. Các giải pháp khác nhau đòi hỏi sự đánh đổi về độ chính xác, khoảng cách, khả năng chống nhiễu ánh sáng và chi phí; Không có giải pháp nào xuất sắc ở mọi khía cạnh.
Thứ tư là mức tiêu thụ điện năng và kiểu dáng. Đối với các sản phẩm chạy bằng pin, đeo hoặc thu nhỏ, đây thường là ràng buộc chính, từ đó giới hạn lựa chọn cho ba yếu tố đầu tiên.
Thứ năm là môi trường vận hành và tuổi thọ sản phẩm. Việc sử dụng trong nhà so với ngoài trời, dải nhiệt độ bình thường so với mở rộng, cùng với sự có mặt hay không có rung động và bụi đều quyết định các thông số kỹ thuật thiết kế cho cấu trúc, lớp bịt kín và các đầu nối.
Trong năm yếu tố này, khách hàng thường quan tâm nhất đến độ phân giải và số lượng điểm ảnh; Tuy nhiên, trong các dự án thực tế, độ phân giải thường không phải là nút thắt cổ chai. Một mô-đun 2 megapixel có thể hoạt động tốt hơn mô-đun 8 megapixel trong việc đọc mã vạch công nghiệp vì nó có tốc độ màn trập phù hợp, tốc độ khung hình đủ và đồng bộ kích hoạt đúng.
Dựa trên nhiều năm kinh nghiệm của AU-STAR ELECTRON trong sản xuất các mô-đun camera, kết luận của chúng tôi là: điều khách hàng thực sự cần không phải là một bảng thông số kỹ thuật, mà là một giải pháp được thiết kế riêng cho ứng dụng cụ thể của họ.
Do đó, cách tiếp cận của chúng tôi là làm rõ điều kiện vận hành trước tiên—khi nào sẽ được sử dụng, sẽ được lắp đặt ở đâu, cấp nguồn như thế nào, có cần chụp ảnh hay đo khoảng cách hay không, và cần vận hành trong bao lâu mà không cần bảo trì. Khi những câu hỏi này được trả lời, giải pháp về cơ bản đã được hoàn thiện; Chỉ sau đó chúng tôi mới xử lý giá cả và lịch giao hàng.
CÔNG TY TRÁCH NHIỆM HỮU HẠN AU-STAR ELECTRON TECHNOLOGY HỒNG KÔNG. Với 16 năm kinh nghiệm trong lĩnh vực mô-đun camera, chúng tôi đã mở rộng từ ứng dụng tiêu dùng và an ninh sang hiện nay bao gồm tránh chướng ngại vật AGV, tuần tra an ninh AI, nhận thức robot, thể hình thông minh, kính VR/AR và AI, đồ chơi đồng hành AI, phân loại logistics và đọc mã vạch công nghiệp, drone, giao thông thông minh, cánh tay robot AI và tái tạo cơ thể người 3D.
Nếu bạn đang lựa chọn mô-đun camera cho dự án hiện tại, vui lòng gửi cho chúng tôi yêu cầu của bạn. Trước tiên, chúng tôi sẽ giúp bạn xác định liệu một module camera đơn lẻ có thể đáp ứng nhu cầu của bạn hay không, cần tùy chỉnh những gì và những rủi ro nằm ở đâu. Chúng tôi sẽ giải thích rõ ràng những gì có thể và không thể làm — điều này tiết kiệm nhiều thời gian hơn so với chỉ đơn giản đồng ý mọi thứ.