歡迎登錄中國視覺網!
行業新聞頻道
INDUSTRY NEWS
當前位置:首頁 >> 行業新聞 >> 熱點聚焦 >> 計算機視覺、人工智能和增強現實一起助您融合物理和數字世界

計算機視覺、人工智能和增強現實一起助您融合物理和數字世界

發布時間:2019-12-03     來源:中國視覺網       訪問次數:133

   目前的大多數增強現實都是通過將已知信息疊加到物理世界上來實現的。其中在消費者技術領域,AR在地圖和游戲方面的應用是最引人關注的。而在工業世界中,AR 將可以用來實現可視化、指令指導和入門培訓。例如:

· 可以將虛擬操作說明用作操作手冊

· 服務維護時可以及時地將數字化信息投射到現實世界中,從而根據具體環境指導正在執行的任務

· 遠程指導能夠通過實時的現場注釋實現公司經驗豐富的專家與初級員工的溝通。

   這些AR體驗是通過識別預定標記,CAD幾何形狀,二維碼 /條形碼或基于位置的傳感器輸入和其他傳感器輸入而實現的。但是,如果用戶面對的是無法識別的機器或零件,也沒有相關的說明來指導操作和維護,那該怎么辦?



   人工智能,尤其是深度學習,引發了計算機視覺(CV)和增強現實(AR)的新一波創新。能夠感知各種環境將是下一代增強現實用例的特點,從而前所未有地助力現場員工。

   能夠理解傳統計算機視覺和深度學習計算機視覺之間的差異對于現在和不久的將來開發應用程序至關重要。

01

定義傳統計算機視覺及其用例

   工業環境極其復雜并裝有復雜的程序以保持關鍵任務系統的完整性。以整個沃爾沃集團發動機質量保證體系中的詳細信息的交叉交換體量為例:每個發動機需要進行 40 次質量檢查,發動機又可能有 200 種可能的QA變量,而對于僅一個工廠而言,有關發動機信息的變量就有可能多達 4500 種。

  要向質量檢查操作員提供正確的信息,就需要一個全面且無縫的數字主線,而增強現實技術可以準確、及時、可靠地提供與具體環境相關的信息;與其他許多制造商一樣,面對激烈的市場競爭,沃爾沃集團也無法承受停機所導致的損失。

   在這種對于精度和準確度都要求極嚴的情況下,要想應用增強現實應用程序,傳統的實現計算機視覺的方法就是最佳的方法。

   這本質上就是在設計和編碼環境中,“自己設計”CV 算法。工程師可以將本機傳感器輸入值(相機,GPS,加速度計)映射到3D幾何形狀中,并針對特定用例啟用CV算法。AR工程師或經驗創建者可以通過將這些幾何形狀,點,特征和度量進行對齊以在具體環境將其激活,從而在3D設計創作環境中實現這種CV算法和特定用例。

   由于通過自定義可以進行配置,所以這種方法在需要高保真資產的重型工程用例中非常流行。在進行改進的同時,使用深度學習方法很難精確測量圖像的深度,這就使得傳統的CV仍然是一個較好的選擇,這是因為它可以通過對算法進行改進和選擇相應的傳感器能夠更自然地以更兼容的方式識別出復雜的3D結構。

02

深度學習:增強現實中所用到的計算機視覺的未來

   在LiveWorx 2019中,PTC CEO Jim Heppelmann作了一個演示,其中AR可以自動識別零件。該零件沒有任何條形碼或目標標記,但是計算機視覺仍然能夠在幾秒鐘內檢測到該零件,檢測出其模型以及有多少庫存。

   人工智能,更具體地說是嵌入在增強現實應用程序中的深度學習技術,使這種自動對象識別成為可能。該演示用零件的CAD數據文件在云中訓練神經網絡,向其提供各種人造示例,從而創建了一個輕量級的推理AI模型,以在增強現實應用程序上運行。



   PTC 計算機視覺領域負責者,總監 John Schavemaker 進一步解釋說:

   在創建由 AI 驅動的 AR 演示或使用任何具有深度學習功能的 AR 應用程序時,推斷的模型與訓練數據一樣有價值,在這種情況下,模型是人為地通過在不同位置和方向繪制 3D CAD 模型并向神經網絡提供數據來創建的。

   在任何行業中,培訓數據都非常重要:自動駕駛汽車的自動駕駛算法要通過數百萬英里的聚合圖像和視頻駕駛數據進行訓練,而對于醫學模型來說,則要使用數百萬患者數據進行訓練,以更準確地預先診斷癌癥。

   將這種思維方式應用于工業界會產生巨大的影響。在現實世界中,重型設備 OEM 利用 AI 使其經銷商技術人員網絡具有增強現實的功能。這可以幫助技術人員識別已部署機器上的任何零件,并可以根據指示對零件進行維修/更換。這一轉變將在全球范圍內大大改善服務 KPI。

   質量控制和保證也會因此而發生翻天覆地的變化,這是因為,基于AR,可以識別出工業產品、資產、生產線等的缺陷,而這對于人眼來說是望塵莫及的。深度學習可以借助 AR預先對不安全情況發出警告,從而保證工廠的安全。

03

在工業環境中捕獲獨特的數據

   工業界與其他領域的區別在于其涉及的范圍極廣:涉及的零件、產品、資產、機器和流程數不勝數。要通過傳統方法擴展 AR 應用程序,工程師必須為各種操作中所用到的對象編寫專有的 AR 體驗,不僅耗時而且成本高昂。同樣,要找到每個唯一對象的圖像,尤其是如果這種對象非常復雜(例如沃爾沃發動機)時,這就相當于要進行一次大修而且不可避免地會造成各種誤差。

   這就使 CAD 文件對于訓練神經網絡和將AR部署到整個企業成為關鍵的篩選器。

   Schavemaker 說“ 無疑CAD數據是重中之重:使用 CAD 數據你就可以使用簡單的輸入 – 設置所需的輸出范例人為地生成許多視覺示例來訓練深度學習網絡。”

   CAD 數據包含項目數字定義的所有唯一參數和注釋,使 AI 能夠在現實世界中快速識別目標。通過在云中更好地訓練數據,更好地優化AR設備上的本機計算及其對識別的影響可以改進邊緣的推理模型。如果一家公司的資產放在多個車間和遠程站點,那么這些資產將是重要的定義數據源,這家公司即擁有了擁抱具有AI用例的下一代AR的潛力。

04

計算機視覺的未來

   選擇什么樣的 CV 方法取決于具體的用例,但工業企業一般會在不同的場景中混合使用兩種方法,在使用同一個應用程序時也會混合使用兩種方法。AR 中的深度學習算法足以識別對象,而高保真傳統模型則可以更準確地跟蹤/映射和測量對象。對于必要的模型更改以及擴大AR對周圍環境的影響來說,可擴展的企業AR產品組合至關重要。

   這些創新的AR應用程序通過與數字主線和補充技術相輔相成,將發揮出全部潛力。IIoT可以提供由AR識別的對象的實時遙測和操作數據,并為與其他相關業務系統信息的溝通提供橋梁。

   這種對象可能是有關服務部件,保修條款,庫存,供應商或交貨信息的詳細信息。具有這些開發方法的AR將使您能夠邁入工業生態系統,并使您最終完成物理和數字世界的融合。

零点棋牌不开了吗