視覺感知技術
關注創建者：匿名 創建時間：2026-01-04
視覺感知技術的視頻教程
Ansys面向感知系統的仿真驗證技術
目前負責Ansys自動駕駛業務開發和仿真技術咨詢工作，對Ansys自動駕駛平臺產品和方案應用有全面的了解。 更多視頻請關注Ansys數字資源中心：https://v.ansys.com.cn
免費 47分鐘 149播放
查看
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
如何在預算有限的條件下，更好地滿足安全性要求，突破技術障礙，對安全分析技術、系統開發和驗證方法、車輛駕駛環境以及傳感器仿真的真實度都提出了更高要求。 ANSYS作為世界領先的工程仿真工具供應商，基于扎實的物理場仿真技術和安全開發技術，正在和知名企業一起構建先進的自動駕駛仿真工具鏈，涉及功能安全和信息安全分析、道路環境建模與仿真、傳感器建模與仿真、嵌入式軟件開發、閉環仿真，云計算平臺等等。
免費 1小時24分鐘 423播放
查看
視覺感知技術的實例教程
車聯網領域隨著物聯網與交通運輸領域的深度融合蓬勃發展．隨著深度學習的進步,車聯網領域的自動駕駛技術得到了突破性的發展,并有演化成一場新的汽車工業革命的趨勢．無論是特斯拉、蔚來等新型車企,還是福特、寶馬等傳統車企都陸續拿到了自動駕駛路測牌照,著眼于研發深度自動駕駛技術．迅猛發展的深度自動駕駛技術正逐漸成為車聯網領域的主要支撐技術之一,正在改變未來的交通和出行方式．
視覺感知模塊是自動駕駛進行環境感知的重要組件,也是車輛進行智能決策的重要基礎．自動駕駛領域的重要企業特斯拉更是將視覺感知模塊作為其駕駛系統的唯一環境感知模塊．因此,自動駕駛系統視覺感知模塊的安全性是自動駕駛系統正常工作的關鍵．雖然視覺感知模塊的表現隨著深度視覺技術的發展穩步提升,但是其從駕駛環境中感知到的特征語義難被理解、決策過程無法解釋．如何對自動駕駛系統視覺感知模塊的安全性進行充分測試,已經成為了一個迫在眉睫、亟待解決的問題．
誠然,圍繞深度學習可解釋性方面的工作有了一定的突破,但是距離分析清楚自動駕駛視覺感知模塊的錯誤傳導機理還有較遠的距離．近年來,神經網絡的黑盒攻擊方法的進步,啟發大家提出了一些基于場景搜索的自動駕駛視覺感知模塊安全性測試技術．這些場景驅動的測試方法利用黑盒測試的思路,為駕駛系統提供盡可能多的駕駛場景數據,觀察自動駕駛系統的輸出與測試預言(TestOracle)之間的差異,進而分析自動駕駛系統視覺感知模塊的安全性．
展開 來源 | 巫婆塔里的工程師@知乎
1 前言
自動駕駛中的視覺感知模塊通過圖像或視頻數據來了解車輛周圍環境，具體的任務包括物體檢測和跟蹤(2D或3D物體)，語義分割(2D或3D場景)，深度估計，光流估計等。
這篇文章里我們先介紹一下基于圖像或視頻的2D物體檢測和跟蹤，以及2D場景的語義分割。這幾個任務在自動駕駛中應用的非常廣泛，各種綜述文章也已經非常多了，所以這里我只選擇介紹一些經典的算法，以脈絡和方向的梳理為主。
深度學習自從2012年在圖像分類任務上取得突破以來，就迅速的占領了圖像感知的各個領域，所以下面的介紹也以基于深度學習的算法為主。
2 物體檢測
2.1 兩階段檢測
傳統的圖像物體檢測算法大多是滑動窗口，特征提取和分類器的組合，比如Haar特征+AdaBoost分類器，HOG特征+SVM分類器。這類方法的一個主要問題在于針對不同的物體檢測任務，需要手工設計不同的特征。因此，在深度學習興起之前，特征設計是物體檢測領域的主要增長點。
R-CNN[1]作為深度學習在物體檢測領域的開創性工作，其思路還是有著很多傳統方法的影子。首先，選擇性搜索(Selective Search)代替了滑動窗口，以減少窗口的數量。其次，也是最重要的一點改變，采用卷積神經網絡（CNN）提取每個窗口的圖像特征，以代替手工特征設計。這里的CNN在ImageNet上進行預訓練，對于通用圖像特征的提取非常有效。最后，每個窗口的特征采用SVM進行分類，以完成物體檢測的任務。
展開 結論
Ansys Speos同樣支持多層texture的使用，對每一層的texture應用UV映射關系，將BRDF與帶有alpha透明度的texture聯合使用，用以實現更高級復雜的可視化紋理，得益于2023R1版本功能的提升，preview紋理可以預先查看紋理與匹配幾何對象貼合程度，調整UV匹配紋理，提升視覺感知質量，使Speos光學仿真設計創造更多可能性。
相關閱讀
Speos block recording塊記錄工具 | 簡化仿真設計
Speos 實現車內氛圍燈早期仿真驗證
Speos HDR 10，點亮車燈仿真
基于Ansys OpticStudio與Speos完成3片式LCD投影儀的設計與仿真
2023R1 | Speos 動態仿真助力車燈早期優化
Ansys Zemax 與 Speos 關于汽車投影燈解決方案
聯合方案 | Zemax + Speos 助力HUD抬頭顯示器設計
Lumerical Zemax Speos 聯合案例 | CMOS 傳感器相機：3D 場景中的圖像質量分析
展開 來源 |
CV研習社、計算機視覺life
知圈
|
進“域控制器群”請加微13636581676,備注
域
本文針對自動駕駛行業的視覺感知做簡要介紹，從傳感器端的對比，到數據的采集標注，進而對感知算法進行分析，給出各個模塊的難點和解決方案，最后介紹感知模塊的主流框架設計。
目錄
傳感器組件
相機標定
數據標注
功能劃分
共性問題
模塊架構
視覺感知系統主要以攝像頭作為傳感器輸入，經過一系列的計算和處理，對自車周圍的環境信息做精確感知。目的在于為融合模塊提供準確豐富的信息，包括被檢測物體的類別、距離信息、速度信息、朝向信息，同時也能夠給出抽象層面的語義信息。所以道路交通的感知功能主要包括以下三個方面：
動態目標檢測（車輛、行人和非機動車）
靜態物體識別（交通標志和紅綠燈）
可行駛區域的分割（道路區域和車道線）
這三類任務如果通過一個深度神經網絡的前向傳播完成，不僅可以提高系統的檢測速度，減少計算參數，而且可以通過增加主干網絡的層數的方式提高檢測和分割精度。
展開 NODAR的公司推出的Hammerhead技術，可以實現兩個攝像頭超大距離的寬基線配置，探測距離最遠可達1000米，同時可以生成高密度的點云。這個系統可以利用整車的寬度，比如把攝像頭安裝在側視鏡、前大燈或車頂兩側。
Hammerhead技術中的寬基線配置
4 Tesla的全景感知系統
分析了三目和四目的例子后，下面進入本篇文章的重點，
也就是基于多目的全景感知系統。
這里我們采用的例子是Tesla在2021年的AI Day上展示了一個純視覺的FSD（Full Self Driving）系統。雖然說只能算是L2級別（駕駛員必須做好隨時接管車輛的準備），但如果只是橫向對比L2級的自動駕駛系統，FSD的表現還是不錯的。此外，這個純視覺的方案集成了近年來深度學習領域的很多成功經驗，在多攝像頭融合方面很有特點，個人覺得至少在技術方面還是值得研究一下。
Tesla FSD系統的多攝像頭配置
這里再稍微跑個題，說一下Tesla AI和Vision方向的負責人，Andrej Karpathy。這位小哥1986年出生，2015年在斯坦福大學獲得博士學位，師從計算機視覺和機器學習界的大牛李飛飛教授，研究方向是自然語言處理和計算機視覺的交叉任務以及深度神經網絡在其中的應用。馬斯克2016年將這位青年才俊召入麾下，之后讓其負責Tesla的AI部門，是FSD這個純視覺系統在算法方面的總設計師。
Andrej在AI Day上的報告中首先提到，五年前Tesla的視覺系統是先獲得單張圖像上的檢測結果，然后將其映射到向量空間（Vector Space）。
展開 
視覺感知技術的相關專題、標簽、搜索
視覺感知技術的最新內容
光譜成像技術如何重塑視覺邊界？13天前
<p>在光譜產業專題中，我們簡單了解了光譜以及光譜成像應用的生活化場景，而深入了解光譜成像技術可以了解到它的分類方式豐富多樣，不同的分類標準下，展現出各具特色的技術類型。這些分類不僅反映了光譜成像技術的發展歷程和內在邏輯，更決定了它們在不同應用場景中的獨特優勢。</p><p><strong>一、基礎概念</strong></p><p> 要更深入地了解光譜，<strong>波長、波段、波段數與光譜分辨率
聚焦機器人產業“感知-決策-執行”技術閉環，“感知·決策·執行——2026北京國際機器人技術展覽會”將于2026年6月10日至12日在北京舉辦。展會以技術解構為核心、開發者賦能為支撐、供需對接為目標，打造覆蓋全技術鏈條的專業交流平臺，助力機器人產業核心技術迭代與供應鏈協同升級。
作為本年度北方地區最具影響力的機器人專業展會，本次展會將匯聚來自全球20多個國家和地區的400余家參展企業，展覽面積達
點擊藍字 關注我們
01/簡介
隨著集成電路制程向3nm及以下先進節點演進，光刻成像系統中的光學衍射、掩模三維效應與光致抗蝕劑非線性響應相互疊加，使光源-掩模協同優化（SMO）成為保障圖形保真度與芯片良率的核心技術。傳統線性壓縮感知（CS）驅動的SMO技術，因難以精準刻畫掩模與成像之間的強非線性映射關系，在復雜圖形優化中常面臨精度不足、工藝窗口收縮等問題
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統的光學畸變、掩模三維衍射及光致抗蝕劑非線性響應等效應疊加，使光源-掩模協同優化（SMO）成為保障成像精度的核心技術。
傳統線性壓縮感知技術雖在光源單變量優化中實現了降維高效求解，但面對SMO場景中掩模-成像的強非線性映射關系，其線性假設難以精準刻畫優化變量與成像質量的關聯，導致優化精度與可制造性失衡
01/簡介
隨著集成電路制程推進至90nm及以下節點，光學鄰近效應校正（OPC）、光源掩模聯合優化（SMO）等計算光刻技術已成為保障光刻成像精度的核心支撐。其中，壓縮感知（CS）技術憑借稀疏性約束降維的核心優勢，在光源優化（SO）中實現了高效的參數尋優，大幅降低了計算復雜度。
然而，當優化對象轉向掩模時，線性CS理論的局限性愈發凸顯——掩模圖形的像素級調控與光刻成像之間存在顯著的非線性映射關系
01/簡介
當前，壓縮感知光源優化的仿真技術已實現標準化與精準化雙重突破，為技術落地奠定堅實基礎。仿真條件層面，通過構建統一的光源參數基準、掩模圖形庫及光學成像模型，建立了可復現的標準化仿真環境，解決了傳統仿真中參數離散導致的對比誤差問題。
接下來以豎直線條為目標圖形進行仿真分析，對比分析在不同變量下曝光圖像的情況。
02/仿真條件
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統面臨的光學畸變（如衍射、偏振效應）愈發顯著，光源作為光刻成像的“源頭變量”，其圖形優化直接決定空間像保真度與芯片制造良率。
傳統光源優化方法依賴全像素維度尋優，受限于光源像素矩陣規模龐大（常達數百甚至數千維度），存在迭代收斂慢、計算資源消耗高、易陷入局部最優等問題，難以適配先進制程對優化效率與精度的雙重需求
2026華南國際工業博覽會
2026第29屆華南國際工業自動化暨機器視覺展
時間： 2026年6月10-12日
地點：深圳國際會展中心（寶安新館）
展示產品：工業自動化、機器視覺、機器人、激光、數控機床與金屬加工、測試測量、新一代信息技術與應用、工業互聯網、CMM電子制造自動化
漢諾威米蘭展覽（上海）有限公司 漢諾威米蘭星之球展覽（深圳）有限公司 東浩蘭生會展（深圳）有限公司
展會名稱：2026深圳（國際）具身智能創新展覽會
同期聯動展會：第 29 屆華南國際工業自動化展、華南國際機器視覺及工業應用展、華南國際工業博覽會
時間：2026 年 6 月 10-12 日
地點：深圳國際會展中心（寶安新館）12 號館（銜接自動化 / 機器視覺展區）
一、核心參展價值
1、政策 + 產業雙重紅利
緊扣《深圳市具身智能行動計劃》窗口期，2027 年產業規模將破千億
隨著自動駕駛技術的快速發展，車輛準確感知周圍環境的能力變得至關重要。BEV（Bird's-Eye-View，鳥瞰圖）感知技術，以其獨特的視角和強大的數據處理能力，正成為自動駕駛領域的一大研究熱點。
一、BEV感知技術概述
BEV感知技術，是一種從鳥瞰圖視角（俯視圖）出發的環境感知方法。與傳統的正視圖相比，BEV視角具有尺度變化小、視角遮擋少的顯著優勢，有助于網絡對目標特征的一致性表達。基于這樣的優勢
