航空成像和测绘:利用分辨率和速度实现自动化、机器学习和用户体验

地图仅用于方向、航空成像仅用于可视化的日子早已一去不复返了。 如今,我们在日常生活中依赖地图和航空成像 - 提供各种交通方式的实时导航,无需亲自访问某个位置即可验证地面细节,并能够对风景、城市、以及规划的开发和基础设施。 除了人类对航空图像的解释之外,高分辨率图像还用于训练机器学习算法并支持基于人工智能的分析。

尽管几十年来,有人驾驶飞机一直被用来促进图像采集,但无人机 (UAV) 的进步加速了市场增长和技术采用。 对细节、准确性和更直观的用户体验的需求不断增加,导致采用更高的相机分辨率和帧速率。 这两个因素的结合导致了图像数据量的增加,同时也带来了像素分辨率和场景细节增加的好处。

此外,航空成像和航空测绘相机的分辨率和帧速率的提高使得能够在更高的高度和更高的相对地面速度下获取图像。 这些技术进步的最终结果是航空图像质量的全面提高,增加了自动化工作流程、机器学习的使用以及依赖航空图像或可以从航空图像中受益的许多其他工业应用的潜力。

应用领域
  • 航空成像/测绘

  • 基础设施监控

  • 地球观测

  • 农业影像

  • 航空成像和测绘农业领域的航空图像与不同的文化和颜色

不仅仅是地图:从基础设施监测到地球观测

航空图像的优势远远超出了测绘和导航。 当配备正确的航空成像相机时,数据收集可用于各种行业和应用的特定目的。 例如,在国防、安全和情报收集领域,高分辨率图像能够持续监控地面变化,帮助识别关键设施的关键位置和难以进入的偏远地区之间的意外行为或资产移动。

同样,当涉及到水电大坝、发电厂和管道等关键基础设施时,航空成像技术和航空土地测量能力可提供有意义的数据,这些数据与地面状况数据相结合,可以更全面地了解潜在危险和风险。对运行稳定性的威胁; 它还支持卓越的事件后评估,提高组织快速可靠地评估自然灾害和其他事件造成的损失的能力。

航空成像和测绘高、分辨率、数字、高度、模型、阿戈扬、水力发电、大坝、中

图1:配备高速 Emergent GigE Vision 相机的无人机可以捕获高分辨率图像,用于创建数字高度模型。

天气模式的变化导致世界各地意想不到的地区出现干旱和强降雨。 航空测量可以在短时间内对大片区域进行地球观测,以帮助衡量天气模式变化的影响,并根据人类安全和经济效益的最佳利益确定响应的优先顺序。

随着人口增长和天气模式的持续变化,最大限度地提高农业产量、用水量和效率也变得越来越重要。 农业成像通过为农场提供有助于确定水合作用、农药使用以及对作物生长和收获最佳管理至关重要的其他投入的数据,帮助实现产量最大化。

分辨率、速度、性能

Emergent Vision Technologies 专注于工业高速相机的设计和开发,提供当今最高分辨率和帧速率,使其成为各种应用中航空测绘和航空成像的理想选择。使用既定标准,例如 GigE视觉 Emergent 的产品与 GenICam 和 GenICam 无缝集成到第三方的兼容软件应用程序中,无需专有布线或购买额外的硬件。

Emergent 相机的相机分辨率超过 150MP,为需要极高分辨率和从更高高度进行航空测量的情况提供了理想的解决方案。 借助这些高分辨率相机,可以增加视野,从而在更短的时间内对更大的物理区域进行成像。 而且,增加的传感器分辨率可以在不降低特定地理区域内的像素密度的情况下实现这一点。

航空成像和测绘航空图像农业测试地块与不同种类的

图2:利用 Emergent 高速摄像机的航空成像系统可以帮助农民进行不同作物的农业试验田研究。

对于农业成像或其他可能需要低空航空成像的应用,提高帧速率有助于防止图像拖尾和其他负面影响。 这些相机帧速率的提高会导致生成大量数据,然后必须快速可靠地传输这些数据。 幸运的是,Emergent 使用以太网作为连接接口也有助于解决这些挑战。 连接速度高达 100Gbps,可在不牺牲传感器分辨率的情况下实现最大传感器帧速率。 这使得无人机和有人驾驶飞机能够飞行得更快,减少成像时间和成本,并最大限度地利用资源。

模式匹配

下面的视频展示了如何轻松地创建和原型化一种算法来执行高质量的模式匹配,而只需编写自定义 GPU Cuda 代码。

推理

下面的视频展示了如何轻松地添加和测试自己训练的推理模型来执行任意对象的检测和分类。 只需使用 PyTorch 或 TensorFlow 训练您的模型,并将其添加到您自己的 eCapture Pro 插件中。 然后实例化插件,连接到所需的相机并单击运行 - 没有比这更容易的了。

借助训练有素的模型,可以使用 Emergent 的 GPU Direct 功能在一台具有多个 GPU 的 PC 上使用许多 Emergent 相机来开发和部署‘判断(Inference)“等应用程序 – 这种开发高性能应用程序的方式为Emergent独创。

深度人工神经网络,方案

图3:神经网络以人脑为模型,是机器学习的一个子集,是深度学习算法的核心,允许计算机根据训练示例学习执行特定任务。

自动化取决于分辨率

人工智能、机器学习和 计算机视觉 越来越多地用于执行图像分析,例如寻找场景随时间的变化、检测意外情况的存在或根据历史数据预测未来的变化。为了使基于计算机的系统有效,用于训练算法的图像必须具有足够的质量。通过增加像素密度(覆盖图像内给定区域的像素数量),可以更好地训练机器学习模型,从而更好地执行任务。

GPU直接

作为一个额外的好处,Emergent 提供的相机与数据卸载和 GPU 处理技术(例如 NVIDIA 的 GPUDirect)完全兼容,从而能够创建大量的端到端图像采集、传输和处理解决方案的持续数据。 这使得数据能够快速有效地处理,而不必担心数据包或帧的丢失。

零损失标志

驾驭增长曲线

支持行业增长的成像技术需求以及航空成像和航空测绘相机用例的扩展将继续推动整个市场的增长,随之而来的是我们应该看到性能的持续增长。 Emergent 的相机和采集解决方案提供了可扩展且强大的方法,可使用无处不在的布线和连接来满足性能需求,使系统集成商和制造商能够开发当今的解决方案,并且可以轻松地重新调整用途以满足未来的需求。

需要帮助寻找合适的相机?

立即与我们联系,我们的影像专业团队将很乐意为您提供帮助。

资源下载

需要有关我们相机的更多信息? 立即下载我们的产品数据表、软件、白皮书、帧率计算器、3D 绘图等。

用于航空成像和测绘应用的紧急 GIGE VISION 相机

型号 相机类型 分辨率 帧率 接口 传感器型号 像素大小
HR-50000-M HR-50000-M 黑白 50MP 23fps 10GigE SFP+ AMS CMV50000 4.6 × 4.6 µm
HR-50000-C HR-50000-C 彩色 50MP 23fps 10GigE SFP+ AMS CMV50000 4.6 × 4.6 µm
HB-127-SB HB-127-SB-M 黑白 127.7MP 17fps 25GigE SFP28 Sony IMX661 3.45 ×3.45 μm
HB-127-SB HB-127-SB-C 彩色 127.7MP 17fps 25GigE SFP28 Sony IMX661 3.45 ×3.45 μm
相机系列-缩略图 HZ-100-GM 黑白 103.7MP 24fps 100GigE QSFP28 Gpixel GMAX32103 3.2 ×3.2 μm
相机系列-缩略图 HZ-100-GC 彩色 103.7MP 24fps 100GigE QSFP28 Gpixel GMAX32103 3.2 ×3.2 μm
HZ-150G-无风扇-4K HZ-150-GM 黑白 152MP 16fps 100GigE QSFP28 Gpixel GMAX32152 3.2 ×3.2 μm
HZ-150G-无风扇-4K HZ-150-GC 彩色 152MP 16fps 100GigE QSFP28 Gpixel GMAX32152 3.2 ×3.2 μm

如需其他相机选项,请查看我们的 交互式系统设计工具。