INDEMIND築建視覺SLAM矩陣，四大核心技術創造行業新引擎
大家好，我是M哥，上周帶大家了解了INDEMIND的創立初衷，今天我們深入INDEMIND技術領域一探究竟。
計算機視覺並非是個新名詞，也並非是一項新技術。如其他科學一樣，計算機視覺是一個被眾多科研人員投入了大量精力研究多年的領域，早已形成一個龐大技術群落，並向眾多應用場景落地，只不過技術應用距離普通人的生活較遠而聲名不顯。隨著近年科技創新進入空前密集活躍時期，人工智慧、機器人等技術密集型產業興起，計算機視覺進入大眾視野。有數據顯示，42%的人工智慧企業採用計算機視覺相關技術，「人工智慧核心技術」稱號，計算機視覺當之無愧。
圖片來源於網路，版權歸作者所有
計算機視覺是個有諸多細分方向的學科統稱，如視覺SLAM、模式識別、圖像識別。每個細分方向在不同應用領域的分布略有不同，在AR/VR/MR、無人機及機器人等熱門領域，視覺SLAM的作用尤為明顯。
對於AR/VR/MR、機器人、無人機等領域而言，三維空間定位不僅關乎於用戶體驗，更關乎人員、產品安全。行業亟需一種行之有效的解決方案來提升用戶體驗的同時保障產品安全性，面對行業需求，視覺SLAM技術應運而生。
INDMEIND自創立以來專註於計算機視覺技術的研發與應用，不斷深化演算法，解決用戶痛點，拓展應用創新，致力於為用戶帶來高精度低成本的SLAM解決方案。經過長期對演算法的研發打磨，時至今日已形成一套以視覺+慣性SLAM技術為核心的演算法矩陣，可為用戶提供精度更高、穩定性更強、成本更低、功能更全面的SLAM軟硬體解決方案。
下面，M哥詳細為大家講解一下INDEMIND的核心技術。
INDEMIND研發團隊擁有多年計算機視覺與SLAM技術研發經驗，在演算法開發與硬體配合上有系統認知與獨到見解，採用自主研發的雙目視覺+IMU多感測器信息融合架構，視覺與IMU之間感測器優勢互補，提高SLAM精度及高速機動、明暗變換等情況下的穩定性，並在此基礎上通過硬體時間同步技術減少由多感測器中時間不同步引起的誤差。雙重保障之下，最終實現高穩定性絕對定位高精度視覺SLAM演算法。
在此之外，INDEMIND自主研發的深度學習物體識別演算法可為產品提供高速有效的高精度語義識別及物體識別，截至目前，INDEMIND的物體識別演算法已可快速識別多達幾百種物體，可用於輔助機器人、無人機緊急避障、自主巡航、路徑規劃等核心功能。不僅如此，物體識別演算法與高精度SLAM演算法結合，在混合現實下根據SLAM得到的場景地圖與物體識別對象做混合現實渲染，使虛擬物體與現實物體疊加更自然，減少違和感，提升混合現實體驗。
底層基礎決定上層建築，INDEMIND自研的多感測器標定技術，這項技術也是一切演算法的開端與基礎，實現高精度SLAM與物體識別，多感測器標定演算法是其不可或缺的一部分。針對硬體系統中的感測器的製造和裝配存在誤差問題，該技術將多感測器標定到統一坐標系中，確定攝像頭感測器誤差參數、IMU感測器誤差參數及攝像頭感測器與IMU感測器之間的位置、角度等安裝關係，補償感測器之間誤差，使低成本感測器滿足高精度應用需求。
INDEMIND自成立之初一直專註於計算機視覺技術的研發與應用創新，自主研發的基於深度學習的物體識別、多感測器專業標定、特徵點平面檢測等多種演算法與高精度SLAM演算法一齊形成演算法矩陣，演算法之間互相作用，功能滲透，解決用戶痛點，為機器安上一雙「慧眼」，讓機器如生物般感知世界。
進入2018年以來，全球新興產業逐漸進入成長和成熟階段，這對專註於計算機視覺技術研發與應用的INDEMIND而言既是機會也是挑戰。未來，INDEMIND將繼續凝心聚智深化演算法，積極探索高精度SLAM技術應用創新，著眼國內日益增長的智能產品市場，循序漸進的推進技術落地和應用拓展，目前INDEMIND已研發出高精度低成本的雙目視覺慣性模組，可廣泛應用於AR/VR/MR、無人機、商用家用機器人及智能駕駛等領域，並將於2018年7月發布全國首款擁有完全自主知識產權的混合現實穿戴設備，大家不妨一齊期待。
TAG:INDEMIND |