INDEMIND亮相Vision China 2019,AI视觉助力机器人行业发展创新

2019年8月21-23日,Vision China(BeiJing)2019中国机器视觉助力智能制造创新发展大会在北京国际会议中心召开。大会以"跨界共融——智能离不开视觉"为讨论主题,邀请了众多行业专家学者、知名企业、行业精英集聚一堂,共同探讨机器视觉行业机遇与挑战。

本届大会举办了多场机器视觉创新论坛,在最受关注的机器视觉人工智能主论坛,INDEMIND联合创始人姜文先生应邀出席并发表了《从导航到智能决策——AI视觉推动机器人行业发展》的主题分享。

姜文先生指出,激光雷达凭借良好的指向性和高度聚焦性成为了机器人的核心传感器,但长于定位、短于识别且成本过高的激光雷达,也为机器人带来了成本过高、智能化水平不足等问题,对机器人大规模部署应用掣肘愈发明显。在此背景下,INDEMIND推出了机器人视觉导航定位解决方案。

姜文先生表示,INDEMIND机器人导航定位方案在定位精度、场景适用性及系统鲁棒性三个维度的综合性能超越了激光雷达

  • 导航定位精度:视觉导航定位方案足以媲美激光雷达,达到了定位误差<1%,定位稳定性<0.5mm(RMS),姿态精度<1°的导航定位精度。
  • 场景适应性:视觉导航定位方案不仅可在激光雷达适用的场景工作,雨雪天气、高粉尘车间、回廊等易导致激光雷达“位置眩晕”的场景仍有良好发挥。
  • 鲁棒性:有赖于视觉回环及重定位检测机制,当发生机器人“绑架”、宕机等情况时,视觉导航定位方案可在1秒内实现机器人重定位,大幅降低机器人事故发生率,减少运维成本。

更重要的是,相较于激光雷达,视觉导航定位解决方案在成本控制上具有天然优势。据姜文先生介绍,该方案可将扫地机器人导航定位成本控制在200元以内,工业AGV、服务机器人更可降低至十分之一。

同时,在本次分享会中姜文阐述了INDEMIND的AI智能决策模型。姜文先生表示,随着机器人智能化的不断升级,用户需求的不断提高,未来AI决策智能将成为行业强需求,而视觉技术横跨认知智能与感知智能,必将成为机器人AI智能决策演进过程中的关键角色。

INDEMIND作为计算机视觉领域的先行者,也正在这一方面进行探索与实践,研发了面向机器人的AI智能决策模型。通过该模型,机器人根据识别结果,可采取不同策略。以清洁机器人为例,如遇到易拉罐或烟头等不同类型垃圾,机器人会对其进行识别判断,进行或回收或清扫不同的处理,提升机器人处理复杂场景任务能力,实现机器人智能水平的大幅提升。

临近分享结束,姜文先生表示,在当前机器人行业发展如火如荼的时代背景下,INDEMIND将积极实践以计算机视觉技术为机器人行业赋能的使命,不断加大研发投入,打造更多全面且优质的解决方案,并携手合作伙伴,促进机器人大规模部署应用进程,助力行业发展。

INDEMIND
INDEMIND

专注于计算机视觉及嵌入式感知计算平台研发与应用,机器人时代已来,INDEMIND将赋予机器人更稳定的视觉感知,分享最新技术,深层次探讨机器人的更多应用!

产业智能制造机器视觉INDEMIND
相关数据
激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

推荐文章
暂无评论
暂无评论~