成都运动图像识别模块算法

在我们生活生产中，许多小型化的无人机类似于昆虫，凭借其机动、灵活、体积小的特点能够在复杂的环境中执行飞行任务。但是再精细化的操控，也难以做到完全避免障碍物的阻碍，因此需要采用AI避障的功能。AI避障中很重要的一点是要对环境进行自动化的识别。利用高性能的AI图像处理板，再定制化目标识别检测的算法，通过对这类无人机作业环境的大量深度学习，就能够让无人机AI愈发聪明，能够快速识别摄像头范围内的物体，从而实现避障的操作。低功耗图像处理板Viztra-LE026。成都运动图像识别模块算法

在许多领域，无人机的作业环境相对复杂，需要识别处理图像背景目标众多，这种环境下，要想实现更高精度的检测识别效果，图像处理板的性能至关重要。在慧视光电开发的多款图像处理板中，Viztra-HE030图像处理板以6.0TOPS得以胜任。这款板卡采用了瑞芯微旗舰级芯片RK3588，8nmLP制程，搭载八核64位CPU，主频高达2.4GHz。集成ARMMali-G610MP4四核GPU，内置AI加速器NPU，支持主流的深度学习框架。性能强劲的RK3588可为无人机AI识别的应用场景带来更强大的性能表现。安徽RK3399处理板图像识别模块软件开发利用AI算法实现图像的精确识别。

“启明935A”系列芯片已经成功点亮，并完成各项功能性测试，达到车规级量产标准。启明935A是行业首颗基于Chiplet(芯粒/小芯片)异构集成范式的自动驾驶芯片，但并非单一芯片，而是一个家族系列。启明935HUBChiplet可以和不同数量的大熊星座AIChiplet互相搭配，再结合灵活的封装方式，快速形成不同性能等级的SoC芯片。它还支持高带宽的PBLink多芯互连，双芯双向带宽128GB/s，四芯双向带宽64GB/s。启明935A每颗芯片都支持比较大20路的1080p60摄像头输入，可应用于各类端侧AI部署。得益于大熊星座NPU天然支持Transformer结构，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。

无人机被广泛应用于目标跟踪，其机动灵活的特点对地面的被跟踪对象而言简直就是降维打击。搭载摄像头以及传感器等设备后，无人机可以实现自主飞行，然后通过植入高精度的AI目标跟踪算法，就能够分析摄像头范围内的物体，通过AI对特征的进一步提取分析，就能够单独识别出目标物体形状，并锁定其位置。这种技术可以用于各种领域的信息侦查、监视、打击等任务，比传统的人工模式更安全更高效。要想实现这样的技术，可以通过在无人机中安装光电吊舱，然后在吊舱中植入高性能的AI图像处理板，通过算法的赋能就能够实现。RK3588是目前国产图像处理板的性能数一数二存在。

我司某客户致力于无人机作业领域，有着高空目标检测识别的需求，由于项目紧急，事前并没有做好方案对比就匆匆选择某方案落地应用，结果花费了大量时间去应用适配后实际效果并不理想，随后找到成都慧视进行方案定制。我司算法工程师及软件工程师针对于客户的作业场景和需求，通过定制Viztra-LE034图像处理板和目标检测识别算法，轻松完成项目需求。经过测试，针对于人、车的目标识别跟踪，明显可以看出我司的跟踪识别效果稳定性更强。慧视可以定制图像识别模块。云南RK3399开发板图像识别模块电子元器件

成都慧视利用RV1126芯片打造了一个高性能的Viztra-LE026图像处理板。成都运动图像识别模块算法

瑞芯微推出的RK3588系列图像处理板作为国产化板卡的性能前列，成为了各领域研究开发的优先，它能在诸多行业实现目标检测、识别以及跟踪等功能，具有重要的研究开发价值。特别是对于高校而言，将RK3588作为课题进行研究开发，是一个不错的选择。但是在这些功能实现过程中，算法的能力就十分重要，如何让算法更加精细的识别检测例如人、车、船等目标成为首要解决的问题。要想让AI算法更能精确的识别检测目标，可以利用AI的深度学习能力，让AI不断学习这些目标的特征，从而达到精细识别的能力。这个过程，可以通过大量的数据标注，来训练AI。但大量待标注工作，常常让开发者头疼。如果采用传统方式用人工挨个挨帧标注，将会耗费大量时间精力，让成本不可控。成都运动图像识别模块算法