“（計算機）從2D到3D世界，是1995年之后最大的消費電子技術(shù)轉折點(diǎn)，這將徹底改變人們的計算體驗。”
從人們的角度來(lái)看，這個(gè)世界永遠在變化。當我們四處移動(dòng)時(shí)，我們的目光也游走在整個(gè)環(huán)境中，豐富動(dòng)態(tài)的場(chǎng)景信息不停地被傳送到我們的大腦里。我們可以理解這些不斷改變的信號，并以此生成對這個(gè)世界的根本性了解，從而和這個(gè)世界進(jìn)行無(wú)縫交互。在過(guò)去三十年的計算機視覺(jué)領(lǐng)域中，有相當龐大的工作被投入到了這一塊，嘗試通過(guò)顏色和深度攝像頭來(lái)模擬人類(lèi)的感知能力?？梢哉f(shuō)，計算機視覺(jué)一直是人工智能領(lǐng)域里最活躍的部分，指紋識別、掌紋識別、人臉識別都屬于其應用，而深度攝像頭就是計算機的眼睛。
深度攝像頭技術(shù)解析
那么究竟什么是深度攝像頭？消費者最熟悉的當屬微軟開(kāi)發(fā)的Kinect系列，Leap Motion的體感設備，三星智能電視的手勢遙控功能等產(chǎn)品，這些均是深度攝像頭的
傳統體感類(lèi)應用。實(shí)現深度探測的主流技術(shù)目前有三類(lèi)： 1：（單目）結構光技術(shù)路線(xiàn) 代表公司：PrimeSense / 代表產(chǎn)品：Kinect I代 主要優(yōu)勢：識別距離遠 / 主要問(wèn)題：硬件難度和成本稍高 陣營(yíng)公司：Apple(PrimeSense)、Microsoft、Intel、Google, etc. 主流評價(jià)：目前最主流的機器視覺(jué)工程化實(shí)現方法
2：雙目可見(jiàn)光（可配合紅外補光） 代表公司：LeapMotion / 代表產(chǎn)品：LeapMotion 主要優(yōu)勢：高精度 / 主要問(wèn)題：檢測范圍太?。ú蛔?米），遠距離檢測問(wèn)題很多 陣營(yíng)公司：LeapMotion 主流評價(jià)：應用場(chǎng)景太少
3：飛行時(shí)間法（ToF） 代表公司：Microsoft / 代表產(chǎn)品：Kinect II代 主要優(yōu)勢：體感應用好 / 主要問(wèn)題：傳感器供應受限、體積和功耗大、像素低 陣營(yíng)公司：Microsoft、SoftKinetic（剛被SONY收購） 主流評價(jià)：除微軟在體感游戲之外民用應用不多
以結構光技術(shù)為例，其原理如圖。
光源向檢測空間內投射經(jīng)過(guò)編碼的激光光斑陣列，對空間進(jìn)行標定并輔助計算三維空間位置。它是整合了衍射光學(xué)、圖像處理、計算視覺(jué)算法和處理器計算平臺的跨界組合工程，非標準的光學(xué)器件需要設計定制。其關(guān)鍵技術(shù)包括兩個(gè)部分：投射光學(xué)系統、“結構光”pattern編碼和衍射光學(xué)系統設計；以及圖像處理和視覺(jué)計算算法。
該技術(shù)的代表公司是PrimeSense，它創(chuàng )立于 2005 年，于 2006 年研發(fā)出 3D 傳感器，在當年的 E3 大展上與微軟建立了聯(lián)系，并催化出代號為 Project Natal 的神秘項目。等到 2009 年 E3 大展時(shí)，微軟發(fā)布了內置 PrimeSense 3D 傳感器的 Kinect，成功掀起了“體感游戲”大潮。PrimeSense的原理，是使用3D光學(xué)感測技術(shù)，使用紅外線(xiàn)系統來(lái)繪制場(chǎng)景的網(wǎng)格。通過(guò)傳感器讀取網(wǎng)格中的點(diǎn)，并結合來(lái)自CMOS傳感器的圖像信息，繪制出包含了深度信息的3D地圖。這種方法被稱(chēng)為“RGB-D”,它由傳統的紅色，綠色和藍色的圖像信息加上“深度”信息構成。其核心為L(cháng)ight Coding技術(shù)，是利用連續光（近紅外線(xiàn)）對測量空間進(jìn)行編碼，經(jīng)感應器讀取編碼的光線(xiàn)，交由芯片運算進(jìn)行解碼后，產(chǎn)生成一張具有深度的圖像。Light Coding技術(shù)的關(guān)鍵是激光散斑，當激光照射到粗糙物體、或是穿透毛玻璃后，會(huì )形成隨機的反射斑點(diǎn)，稱(chēng)之為散斑。散斑具有高度隨機性，也會(huì )隨著(zhù)距離而變換圖案，空間中任何兩處的散斑都會(huì )是不同的圖案，等于是將整個(gè)空間加上了標記，所以任何物體進(jìn)入該空間、以及移動(dòng)時(shí)，都可確切紀錄物體的位置。
深度攝像頭供應格局
隨著(zhù)深度攝像頭技術(shù)的不斷發(fā)展，更多機器視覺(jué)應用正在不斷涌現，例如行為捕捉和分析用于智能安防，環(huán)境感知（SLAM）用于視覺(jué)導航，消費類(lèi) 3D建模等，同時(shí)深度攝像頭也是近年來(lái)最火爆的AR/VR設備的核心模塊之一。高級行為分析功能必需基于三維深度信息實(shí)現，此前市場(chǎng)上只有基于PrimeSense方案的體感游戲攝像頭可用，在2013年P(guān)rimeSense被Apple 收購，其對外供貨和技術(shù)授權在15年中止，業(yè)界急需要合適的替代產(chǎn)品。例如有一款采用PrimeSense開(kāi)發(fā)板設計的iPad外置深度攝像頭產(chǎn)品，在Kickstarter上募集了約130萬(wàn)美金，同樣因為Apple收購PrimeSense的原因，類(lèi)似項目全部陷入困境。在A(yíng)R/VR設備應用中，遠距離深度攝像頭用于環(huán)境感知和建模；近距離深度攝像頭用于手勢識別。預計將來(lái) 99% 的 AR 設備和 50% 以上的 VR 設備將配備深度攝像頭，而這兩類(lèi)應用的崛起，也將大力推動(dòng)深度攝像頭市場(chǎng)的增長(cháng)。
PrimeSense的產(chǎn)品有深度攝像頭模塊，有完善的SDK（其中最著(zhù)名的是開(kāi)源的Open NI應用程序接口），更有其定制的DSP+硬件加速器芯片以及強大的專(zhuān)利池。在PrimeSense被Apple 收購之后，市場(chǎng)上類(lèi)似方案供應幾乎成為空白，隨后谷歌、英特爾、臉書(shū)旗下Oculus、索尼和三星等企業(yè)都相繼在這一領(lǐng)域進(jìn)行了投入，收購動(dòng)作頻繁。谷歌Project Tango，利用深度攝像頭進(jìn)行機器人室內導航；英特爾演示RealSense深度攝像頭對無(wú)人機進(jìn)行視覺(jué)導航等等……?？梢哉f(shuō)，深度攝像頭是所有需要視覺(jué)傳感器的機器，包括機器人、無(wú)人機、工業(yè)設備的必需模塊。據IHS預計，到2019年手勢感應傳感器全球市場(chǎng)規模將從2015年的23億達到95億美金，年復合增長(cháng)率達到42.6%。
下圖是該產(chǎn)業(yè)領(lǐng)導廠(chǎng)商主要技術(shù)發(fā)展及深度攝像頭平臺情況。
上圖顯示了科技行業(yè)巨頭在深度攝像頭領(lǐng)域的布局，他們通過(guò)收購構筑了各自的技術(shù)護城河。其中，微軟Kinect一代的技術(shù)方案供應商，機器視覺(jué)民用化的先驅PrimeSense被蘋(píng)果收購可以視為一個(gè)轉折點(diǎn)，收購以后，其對外授權和供貨會(huì )在 2015 年終止，所以那些使用了PrimeSense技術(shù)的廠(chǎng)商們不得不尋找替代方案，再加上AR/VR設備的興起，讓國內一些初創(chuàng )企業(yè)盯住了這一市場(chǎng)，圖漾科技即是其中之一。
圖漾：業(yè)界最獨特的技術(shù)路線(xiàn)
費浙平曾經(jīng)是處理器巨頭ARM在中國大陸的第一位員工，在全球頂尖的CPU和GPU公司工作十多年，于2013年開(kāi)始啟動(dòng)深度攝像頭的技術(shù)研發(fā)，團隊的技術(shù)合伙人來(lái)自于國內機器視覺(jué)領(lǐng)域的著(zhù)名團隊Click研發(fā)小組，在光學(xué)、硬件和算法上非常有經(jīng)驗和積累。在強大的技術(shù)團隊背景下，圖漾立志成為機器視覺(jué)領(lǐng)域的世界級核心技術(shù)平臺。
2015年初，圖漾科技獲得Pre-angel 400萬(wàn)天使輪融資，目前已經(jīng)完成了所有核心技術(shù)的研發(fā)和器件定制，產(chǎn)品已經(jīng)開(kāi)始在諸多行業(yè)客戶(hù)中使用。區別于主流的單目結構光技術(shù)方案，他們創(chuàng )造性地采用了主動(dòng)雙目的技術(shù)路線(xiàn)，主動(dòng)雙目（Active Stereo）技術(shù)的不斷演進(jìn)和優(yōu)化，能夠把深度攝像頭性能推向極致，同時(shí)徹底規避了與市場(chǎng)先行者的專(zhuān)利風(fēng)險。主動(dòng)雙目方案可以看成是純雙目方案和單目結構光兩種方案的融合，由于這兩種方式都可以獲得深度信息，在系統魯棒性方面會(huì )大大超過(guò)現有方案。在某些環(huán)境下（比如室外）由于環(huán)境光的干擾，該方案可以直接轉變成純雙目方案，繼續獲得深度信息而不會(huì )直接失效，也可以真正杜絕不同深度攝像頭之間空間散斑的互相干擾（這個(gè)問(wèn)題在機器視覺(jué)社區非常常見(jiàn)，但單目結構光方案由于原理問(wèn)題，無(wú)法避免）。同時(shí)雙目結構光方案的光學(xué)標定方式不同于單目結構光，激光發(fā)射器（產(chǎn)品壽命最大瓶頸）可以直接替換，由此帶來(lái)攝像頭模塊的工作時(shí)間可以達到商用和工業(yè)領(lǐng)域的高可靠性和高可用性需求，還能帶來(lái)維護成本的大幅度降低（不需要整個(gè)模塊替換），這對行業(yè)用戶(hù)的重要性不言而喻。
費浙平表示，圖漾目前已完成1500萬(wàn)人民幣的pre-A輪融資，本輪融資由專(zhuān)投機器人領(lǐng)域的兩個(gè)投資機構參投，資金將主要用于產(chǎn)品商業(yè)化布局和硬件設備落地，普及更多的客戶(hù)。“深度攝像頭能夠獲取世界的三維信息，由此給VR/AR、動(dòng)作捕捉、三維掃描與打印、室內導航與定位等應用提供了基礎的技術(shù)支持。有了深度攝像頭，你的設備將讀懂這個(gè)世界所發(fā)生的一切，更加智能。”他表示。
根據他的規劃，圖漾的第一個(gè)產(chǎn)品型態(tài)是深度攝像頭（傳感器），可利用視覺(jué)計算原理，計算出拍攝場(chǎng)景內物體的3維空間位置信息，在此基礎上可以實(shí)現環(huán)境感知、體感、建模、行為識別等各種應用。在第二階段，跟行業(yè)合作伙伴配合，為最終客戶(hù)提供基于深度信息的視覺(jué)應用開(kāi)發(fā)支持，比如3D建模和SLAM等，構建起深度技術(shù)應用的技術(shù)平臺。圖漾的硬件技術(shù)發(fā)展路線(xiàn)和方向有兩個(gè)，一是提供適合移動(dòng)設備用的小型化低功耗深度攝像頭，二是遠距離和超高分辨率的高性能產(chǎn)品。
在競爭格局上，費浙平表示，被Apple收購后的PrimeSense基本上會(huì )是自用，微軟綁定了Win10，也在明顯趨于封閉，而且它不會(huì )進(jìn)入硬件模塊市場(chǎng)；英特爾的產(chǎn)品規格非常固定，且需綁定 x86 處理器，應用場(chǎng)景比較受限；谷歌志不在成為硬件供應商，甚至有朝一日很可能會(huì )徹底開(kāi)源其Project Tango的源代碼，幫助促進(jìn)深度攝像頭的大規模普及應用。以色列有一個(gè)技術(shù)極好的創(chuàng )業(yè)公司群體，但是這類(lèi)企業(yè)的目標在于被巨頭收購，難以成為可靠的合作伙伴。事實(shí)上，在過(guò)去的12個(gè)月里面，市面上大多數的深度技術(shù)公司都已經(jīng)被大公司收入旗下了。“這一領(lǐng)域的特點(diǎn)是技術(shù)門(mén)檻極高，技術(shù)發(fā)展整體上尚屬于早期，整個(gè)行業(yè)都在技術(shù)起飛過(guò)程當中。類(lèi)似于高仿Kinect硬件加軟件破解的方式不是我們的興趣所在，我們的目標是成為世界頂尖的深度技術(shù)公司，在這個(gè)技術(shù)點(diǎn)上做出創(chuàng )造性的領(lǐng)先技術(shù)和產(chǎn)品，
支持計算視覺(jué)應用從行業(yè)擴展到我們每個(gè)人的工作和生活當中。”在技術(shù)和產(chǎn)品山寨橫行的中國市場(chǎng)，有這樣愿意挑戰業(yè)界技術(shù)巔峰的企業(yè)實(shí)屬罕見(jiàn)。
費浙平解釋深度攝像頭的幾個(gè)關(guān)鍵技術(shù)規格，一個(gè)是檢測范圍，看最大檢測距離；第二是檢測精度，看誤差多少；第三是檢測角度，看鏡頭的視角多大；第四是檢測速度，每秒能刷新多少次。他表示目前已有小批量試用模組提供給早期客戶(hù)評估，該深度攝像頭采用雙目立體視覺(jué)，配以紅外結構光輔助投影，能夠獲得比傳統
立體視覺(jué)更多的景深細節。板載深度數據專(zhuān)用處理器，所有圖像處理均在設備端高速完成，直接輸出深度數據供客戶(hù)調用處理。這一型號采用裸板模組設計，適合企業(yè)客戶(hù)直接用于自家產(chǎn)品的安裝使用，適用于機器人導航避障，及低精度的姿態(tài)識別等領(lǐng)域應用，支持Linux、windows操作系統。
首款產(chǎn)品模組規格描述：
- 尺寸88mmx38mmx35mm，基線(xiàn)長(cháng)度55mm。
- 輸出深度分辨率560x460@10fps，micro USB 2.0。
- 設備功耗為3.5w。
- 檢測距離1-5m，水平檢測范圍58°。
- 供電方式：雙USB供電。
- 提供模組安裝定位孔。
“目前我們的深度攝像頭模組內置專(zhuān)用圖像處理芯片，能夠高速實(shí)時(shí)檢測物體的三維信息，無(wú)需占用任何設備外計算資源。通過(guò)巧妙的光學(xué)設計，保證深度傳感器的識別范圍有了更大的延伸，實(shí)現最遠可達到10米內的目標檢測，并實(shí)現雙圖像捕獲激光投射，能夠對物體三維信息實(shí)時(shí)測量，檢測精度達到毫米級，” 費浙平指出，“而且即插即用，無(wú)需復雜的驅動(dòng)，可直接輸出深度信息流，支持不同的平臺。此外我們對所有開(kāi)發(fā)者免費開(kāi)放豐富的開(kāi)發(fā)包，可以讓開(kāi)發(fā)者充分發(fā)揮想象，將深度信息的利用發(fā)揮到極致。同時(shí)也為企業(yè)客戶(hù)提供交鑰匙方案，攝像頭模組可以輕松外置或嵌入各型號電子產(chǎn)品，幫助客戶(hù)提升產(chǎn)品的國際競爭力。” 值得注意的是，目前的模組導出的數據是原始數據，需要客戶(hù)自己去進(jìn)一步分析處理，因此圖漾現階段選擇的都是具備一定技術(shù)實(shí)力的客戶(hù)。
視覺(jué)處理器：新的藍海
費浙平指出，目前的處理器架構不足以支撐現有的計算機視覺(jué)的發(fā)展。未來(lái)關(guān)于深度識別方面，也需要專(zhuān)門(mén)優(yōu)化過(guò)的處理器來(lái)處理相關(guān)的應用，才能做到又快又好。近期由于視覺(jué)處理器創(chuàng )業(yè)公司CogniVue被飛思卡爾收購，該領(lǐng)域的創(chuàng )業(yè)機會(huì )也被業(yè)界看好，谷歌project Tango中所使用的視覺(jué)處理器供應商Movidius已經(jīng)成為當紅炸子雞。“深度攝像頭技術(shù)發(fā)展仍處于早期階段，還有很長(cháng)的路要走，同時(shí)，這也意味著(zhù)有很多機會(huì )等著(zhù)我們。”處理器行業(yè)出身的費浙平在說(shuō)到視覺(jué)處理器話(huà)題時(shí)，仍舊兩眼放光，讓人不禁浮想聯(lián)翩……。
