QORVO®全新移动WI-FI解决方案获多家智能..

引言

Teledyne FLIR集成成像解决方案部门已有超过25年的运营历史，专注于工业机器视觉和多传感器设备的相机开发。本文强调了高分辨率成像的重要性，以及使其在移动测绘中不可或缺的关键因素。

移动测绘的简化框架

当选择晚餐餐厅时，决策过程通常涉及使用移动测绘应用程序在特定社区内进行搜索。应用餐厅评分、价格范围、位置、旅行时间和停车可用性等标准后，用户可以查看餐厅选项列表。点击列表中的选项后，用户可以查看菜品图片、地点图片以及360度街景图像，以评估氛围。结合图像和元数据，有助于做出明智的餐厅选择。

移动测绘背景

在移动测绘的背景下，流程始于相机系统制造商，他们向系统销售商提供设备。系统销售商随后将相机集成到移动测绘系统中，供服务提供商使用。服务提供商规划采集任务，捕获并处理数据以提取有意义的信息。

决策者可能从未实际查看原始数据或其他传感器数据，他们主要关注可操作的洞察。例如，他们想知道哪些道路需要优先维修，或者是否可以识别出因腐蚀迹象而需要立即更换的老化电线杆。他们需要的是建议和依据，以便在满足多种标准的同时合理分配下一年度有限的预算。

这个例子说明了图像数据如何贯穿整个价值链，支持关键决策制定。

除分辨率外的其他考虑因素

基于上述示例，除了分辨率之外，还需考虑以下因素：

图像质量

评估移动测绘系统时，首要因素是图像质量。高质量的图像使服务提供商能够为决策者提取相关信息。如今，这一过程不仅依赖人工操作，还依赖计算机视觉软件。移动测绘的价值在于系统能够快速、准确地处理大量数据并提取相关信息。信息提取过程主要由计算机视觉软件完成，这些算法具有定量性、客观性和精确性。图像质量的各个方面，例如宽动态范围，使得场景中明暗区域的细节都能清晰可见，从而帮助算法将场景分割为多个细节丰富的部分。准确的色彩信息和纹理提高了分类过程中的置信度，使每个图像片段能够被归类为特定的对象类别。图像锐度也至关重要，它使得光学字符识别（OCR）算法能够识别场景中资产上的字母数字字符，提取标识符，并将其与资产进行标记。图像质量、动态范围、色彩准确性和图像锐度等要素在移动测绘中都具有极高的重要性。

几何建模与空间精度

成像系统的第二个重要考虑因素是其固有的几何建模能力和空间精度。这些因素对于移动测绘系统至关重要，因为系统需要处理相机采集的数据，准确确定图像中物体的位置，并将图像数据与其他传感器数据进行配准。例如，在同时采集激光扫描数据和相机图像时，后期处理可能需要为每个三维点赋予正确的颜色值。几何模型（即相机内参）定义了相机内部传感器与镜头之间的关系。需要注意的是，所有镜头都会产生畸变，因此几何模型必须考虑这些畸变，以确保空间精度。

举个例子：在眼科检查中，会评估视力清晰度和是否需要放大镜片。其中一个方面是散光，即眼前的物体清晰可见，但周围物体却模糊不清。这是因为眼睛的晶状体不是完美的圆形，导致光线在聚焦到视网膜时发生不均匀折射。眼镜处方通过矫正散光，使所有物体都能清晰成像。

在几何建模中，这类似于对相机进行校准，以持续保持其空间精度。空间精度衡量的是物体在图像中的表示与其实际位置之间的接近程度。例如，如果一个人站在另一个人十米远的地方观察其衬衫上的纽扣，空间精度决定了纽扣在图像中XY位置的精确度，可能精确到几厘米甚至几毫米。激光扫描数据通常要求在几米距离下达到毫米级精度，因此，对于配备相机和激光扫描仪的移动测绘系统来说，保持一致的空间精度至关重要。

时间同步

时间同步是移动测绘中的另一个关键因素，指的是触发决策的时间，通常由外部设备发起。例如，在自由运行模式下，成像系统以固定帧率捕捉图像，适用于需要平滑播放的视频应用。但在移动测绘中，数据采集需要沿交通走廊进行优化覆盖，确保图像之间具有特定的距离重叠。这种方法可以减少存储消耗，最大化处理资源的利用率，从而缩短项目完成时间。使用外部设备（如距离测量仪DMI）通过数字脉冲指示行驶距离，是触发图像采集的有效方式。这种方法有助于优化任务覆盖范围，同时减少存储消耗和后期处理时间。

时间同步也对系统中其他关键仪器（如GPS或定位系统）至关重要，这些设备提供时间戳和当前位置。准确的时间和位置信息与图像中捕获的颜色信息的空间精度密切相关。移动测绘系统中常常还包括热成像相机或激光扫描仪等其他传感器。了解触发时的时间和位置，有助于实现地理空间数据的配准。例如，可以使用激光扫描点云中的三维点位置，并查找该时刻相机所看到的颜色值。这种地理空间数据融合常常能提供单一数据集无法获得的额外信息。

移动测绘设备评估

购买移动测绘设备是一项重大投资，设备必须在现场持续可靠运行。以下是评估高分辨率图像采集系统时应考虑的其他方面：

●   制造商在行业中的经验有多久？他们在生态系统中的声誉如何？如果购买多个系统，是否在质量和性能方面保持一致？

●   产品设计是否适应移动测绘的严苛环境？温度、湿度、冲击和震动等多变的天气条件是否会影响操作？设备是否经过现场验证？

●   制造商是否提供多年质保？是否有响应迅速、专业的技术支持？

这些考虑因素对于最大化移动测绘系统投资的回报至关重要。

处理能力的进步

目前，我们正经历处理能力的指数级增长，单位处理成本也在持续下降。这一进步推动了高分辨率传感器数据采集的发展，并扩展了移动测绘的应用范围。近二十年前，Google推出了街景服务。如今，移动测绘已涵盖工程测量中的场景分割、资产管理、路面状况评估以及城市森林管理等领域。

此外，处理能力的提升显著增强了价值链中数据分析与信息提取的环节。图形处理单元（GPU）和神经处理单元（NPU）推动了算法的发展，使其能够以更高的输出效率和更强的分类置信度处理海量数据，应用人工智能和机器学习技术。这些进展令人瞩目，而我们才刚刚起步。

尽管这些下游方法在结果生成方面已非常先进，但必须认识到，只有在采集高分辨率图像数据时确保极高的质量、空间精度和精确的触发时间，才能为关键业务决策提供最佳结果。

结论

移动测绘成像技术的进步显著提升了数据采集的质量。高分辨率、卓越的图像质量、空间精度以及精确的时间同步是移动测绘和关键业务决策的基础。这些提升有助于从采集的数据中提取有意义的信息，从而做出更优决策并优化资源分配。利用处理能力的进步，并结合传感器融合技术，可以更全面地理解环境，从而进一步释放移动测绘的潜力与价值。