近红外成像技术促进机器视觉的新发展

发布者:数字梦行最新更新时间:2017-11-28 来源: 麦姆斯咨询关键字:近红外成像  机器视觉 手机看文章 扫描二维码
随时随地手机看文章

习惯上机器视觉被定义为:用于检查、过程控制及自动导航的电子成像。在机器视觉应用中,计算机(不是人类)使用成像技术来捕获图像作为输入来实现提取和传递信息输出的目的。据麦姆斯咨询报道,除传统工业应用,先进驾驶辅助系统(ADAS)、增强现实和虚拟现实(AR/VR)技术及智能安全系统的机器视觉能力均要求使用先进的数字成像技术。该技术可使机器视觉在低光或无光条件下“看得”更清晰、更远,由于无需可见光源,所以不会干扰人类正常活动。

近红外成像技术促进机器视觉的新发展

从以往的经验来看,机器视觉技术需要依赖于大量光源来捕捉图像,可用光源包括荧光、石英卤素、LED、金属卤化物(汞)以及氙气。当单独使用其中一种光源时,就需要耗费大量能耗,且生成的图像质量很差。如此来看,这些光源并不能满足已超越传统工业应用范畴的使用需求。

AR/VR、安全系统以及ADAS驾驶监控采用了眼动追踪、面部识别、手势控制和人脸识别技术,以及集成了带有夜视功能的ADAS环视(surround-view)摄像头等功能,但这些应用要达到预期的效果,均需要可见光光谱以外的照明。在过去几年中,数字近红外(NIR)成像技术的进步已彻底革新了机器视觉和夜视的能力。

NIR为何是当前机器视觉应用的必要条件?

NIR用于在可见光光谱范围之外的物体或场景照明,并使摄像头能够在超出人类视觉能力的低光或无光情况下“看到”。虽然在某些应用中低级别LED仍需增加NIR,但NIR需要的电能非常少且几乎不会干扰用户。在如AR/VR或驾驶监控系统等应用中,NIR的这些特点对于精确地眼动追踪和手势控制是非常重要的。而在安全摄像头应用的案例中,NIR可在入侵者不知情的情况下监控他们。

此外,NIR在夜视条件下比可见光产生更多光子,该特点使其成为夜视应用的理想选择。举例说明,下面我们在ADAS系统中,比较夜视条件下两种方法的优劣。

其中一家汽车制造商使用了一种被动式远红外(FIR)系统,它可根据物体热量记录图像并显示为明亮的负像。虽然能探测的有效距离高达980英尺,但由于它是依赖于物体发出的热量来记录,所以产生的图像并不清晰。

而另一家汽车制造商采用了NIR技术,该技术可在黑暗中产生鲜明清晰的图像,就好像用汽车远光灯照着拍摄一样。不管物体温度如何,其图像均可被捕捉到。但是,该NIR系统的最大有效探测距离为600英尺。

NIR的局限性

大多数情况下,NIR相比其它替代方法的改进显著,但使用它并不是没有挑战。NIR成像系统的有效范围与其灵敏度直接相关。最好条件下,目前的NIR传感器结构可实现≤ 800nm的灵敏度。如果可将NIR成像系统的灵敏度增加到850 nm或更高时,那么就可进一步扩大其有效距离。

NIR光学成像的有效距离是由两个关键测量参数决定:量子效率(QE)和调制传递函数(MTF)。成像仪的QE代表其捕获的光子与转化为电子的光子的比率。

QE越高,NIR照明距离就越远,图像也就越亮。100%的QE意味着所有被捕获的光子都被转化为电子,从而可实现最亮的可能图像。但目前,即使是最好的NIR传感器技术也只实现了58%的QE。

MTF则是测量图像传感器以特定分辨率从物体到图像的传递对比能力。MTF越高,图像就越清晰。MTF受到从像素跳出的电子信号噪声的影响。因此,为了维持稳定的MTF并实现清晰的图像,电子需要时刻保持在像元中。

近红外成像技术促进机器视觉的新发展

图1 该模拟图像可显示低MTF与高MTF之间的明显差别

现有解决方案面临的挑战

当在不可见条件下中使用NIR时,NIR的波长就会增加。其结果就是硅的QE就会减弱,而晶体中光子的转化效率就会降低。因此要想产生相同数量的光子,就需要更厚的硅。所以,传统增加QE的方法就是使用厚硅。与薄硅相比,使用厚硅可增加光子吸收的机会,提供更高QE并增强信号强度。

在单像元探测器的案例中,使用厚硅可提高NIR的QE到90%以上。然而,如果该应用要求更小像元而持续增加硅厚度,当硅的厚度增加到100 μm时,就会导致光子跳到邻近像元中,产生串扰,这样反而会减少MTF。结果就是,虽然图像传感器对NIR照明更敏感,但其分辨率却更低,所形成的图像明亮却模糊。

解决此问题的一种方法是,使用深槽隔离(DTI)技术,在像素间建立阻挡层。虽然标准DTI已经被证实可以改善MTF,但它也可产生破坏图像暗区的缺陷。这便给致力于为机器视觉应用提高NIR照明的公司带来了难题。

技术突破

近期已有了一些技术突破,解决了只能使用厚硅来增加光子吸收的问题。首先,升级后的DTI方法是开发利用先进的300mm制造工艺,在相邻像元间建立硅氧化物阻挡层,可导致氧化物与硅之间的折射率改变,从而在同一像素内形成光学限制。与传统的DTI不同,升级后的DTI并不是使沟槽变宽,而是使其变深,沟槽依然很窄,这样有助于控制光子。

其次,在晶圆表面实现了一种类似于太阳能电池加工中金字塔结构的吸收结构,用于制造散射光学层。小心地实现该光学层可防止在图像暗区出现瑕疵,并进一步增加硅中光子的路径长度。这种结构的形状使得硅内部的光路径更长,而不是笔直地向上或向下。通过光波路径分解并使其散射开来,可对光路径长度产生影响。其结果是,吸收结构中的光反射光线在上像乒乓球一样来回反射,增加了其吸收概率。

确保吸收结构角度的精准性对散射光层的有效性至关重要。如果角度是错的,它就可能导致光子反射到下一个像元,而不是回到原来的像元。

近红外成像技术促进机器视觉的新发展

图2 吸收结构的形状会使硅内部的光路径变长,而不是笔直地向上或向下

结论

通过与代工厂合作伙伴的密切合作,豪威科技(OmniVision)开发了Nyxel NIR技术,该技术解决了经常困扰NIR开发的性能问题。通过厚硅和升级后DTI的结合,并利用光散射层来管理表面纹理,与OmniVision上一代传感器相比,使用Nyxel技术的传感器可将QE效能提升到先前的3倍,从而使NIR的灵敏度达到850nm,且不会造成其他图像质量指标退化。

该结果是令人信服的。配备了此项技术的传感器可在极低的光照条件、探测更远距离的图像,提供更高的图像质量,并且工作时所需的光源输入和功耗均减少,从而满足了如AR/VR、 ADAS和夜视应用等先进机器视觉的新要求。


关键字:近红外成像  机器视觉 引用地址:近红外成像技术促进机器视觉的新发展

上一篇:2018云计算技术七大预测
下一篇:美实验室根据DNA画出嫌犯模拟像:一周后破案

推荐阅读最新更新时间:2024-03-16 11:27

智能监控背后有何难隐之言?如何将AI真正推向实际场景
守林员小陈每天的工作,大部分时间都用来在林间巡逻,以便第一时间发现安全隐患。枯燥繁重的工作让年轻的他有点郁闷。 有天他举着朋友圈里转发的文章问领导,听说有地方都能用 AI 来识别山火了,咱们啥时候能用上啊,以后我也算半个用电脑上班的白领了。 领导懒得搭理他,新的智能监控摄像机刚安装不久,图像质量提升了不说,目标识别、异常行为监控之类的功能也都有了,哪里还有经费换个“火眼金睛”!年轻人啊,就是身在福中不知福! 小陈嗫嚅道:都不能及时更新,还叫智能啊…… 类似的经历,正在城市的各个角落上演。 让摄像机看懂正在发生的事件并提出告警,已经在越来越多的智慧城市项目中落地,不过实现形式却各有不同。 目前,机器视觉智能分
[嵌入式]
智能监控背后有何难隐之言?如何将AI真正推向实际场景
机器视觉应用中需要面对的三大层面难题
机器视觉是计算机视觉的一个分支,工业自动化领域中的视觉控制或视觉应用,主要指的是通过前端光学摄像头,从采集到的数字化图像中提取相关信息,进行分析处理之后,用于对生产线流程或质量的控制,以代替重复性人工操作。目前,机器视觉在工厂生产环节中的实际应用包括:对生产工件的完整性质量检测、识别、分类、零件位置及方向、尺寸测量、读码识别追溯、表面/色差检测、自动化流水线作业等等。可以说,机器视觉为流水产线、自动化设备安装上了一双“眼睛”,能够提供全天候、高一致性、高可靠性的检测结果,增添了工厂生产的智能化水平,因而也成为了迈向智能制造的一项重要技术。 根据有关机构的统计数据显示,在2019年,全球用于工业自动化领域的机器视觉技术的市场规模
[嵌入式]
<font color='red'>机器视觉</font>应用中需要面对的三大层面难题
盘点全球九大无人零售方案与技术详解
国际电商巨头亚马逊去年推出Amazon Go无人商店,其“即拿即走,免排队”的超前购物体验一经发布便广受业界瞩目,一时之间,无人商店俨然已成为全球零售业的一种新趋势。 反观国内市场,新零售势头正方兴未艾,行业对新技术、新应用尤为饥渴,加上国内市场堪称全球领先的移动支付态势,一时之间,无人商店如雨后春笋般不断涌现,笔者将全球九大无人商店方案进行汇总整理,并对其所采用的技术进行了解读。 大名鼎鼎的Amazon Go 视频: 戳这里 亚马逊推出的Amazon Go,除了顾客无需结账,即买即走,免去了顾客排队的苦恼外,Amazon Go跟普通的零售店几乎没有区别,其商品摆设与普通零售店亦基本一致,主要销售即食早餐、午餐和晚餐,以及每天
[嵌入式]
用于自动驾驶的激光雷达&纯计算机视觉,孰优熟劣?
激光雷达、纯机器视觉,一直是自动驾驶技术中区别明显的两大方向。 实际应用中,二者在数据形式、精度、成本等方面都各有优劣势。 自动驾驶技术的基本原理 自动驾驶系统可分为感知层、决策层,以及执行层。 感知层,通过各类硬件传感器捕捉车辆的位置信息以及外部环境信息。 决策层的「大脑」,基于感知层输入的信息作环境建模,从而形成对全局的理解并作出决策判断,再向车辆发出执行的信号指令。 最后的执行层,将决策层的信号转换为汽车的动作行为。 激光雷达路线和纯机器视觉路线,都是自动驾驶车辆感知所处环境的一种方式,差别只在于实现方式不同。 机器视觉路线以摄像头为主导,配合毫米波雷达、超声波雷达、低成本激光雷达等。激光雷达路线
[嵌入式]
华为“南泥湾”计划浮出水面,下一步计划是要养猪?
大佬们纷纷下场养猪,他们在打什么算盘? 华为也要养猪了? 近日,任正非首次公开提及华为“南泥湾”计划,即生产自救,包括在煤炭、钢铁、音乐、智慧屏、PC电脑、平板等各个领域的突破。 并表示,华为不会出售终端业务,并表示终端并非只包含了手机,宁可转让 5G 技术也不会放弃终端业务,而事实上华为也不仅仅只有终端业务。但是华为面临的困难摆在眼前,不得不寻找新出路。 网传,“南泥湾”计划是此前华为备胎计划的延续,取名借用了中国农垦事业的发祥地南泥湾,目的是实现“自给自足”。 而其中最具话题性的,除开拥有自主知识产权的操作系统、芯片产业链外,当属“华为智慧养猪解决方案”。 紧随其后,华为机器视觉领域总裁段爱国在微头
[嵌入式]
华为“南泥湾”计划浮出水面,下一步计划是要养猪?
机器视觉的定义、分类和应用介绍
的定义 机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做和判断。 互联网的高速发展,使得物流业走势迅猛,不仅是每年一度的京东购物节和淘宝节让物流人员高压负重,喘不过气,就连现在的日常外卖派送,超市派送也使得快递人员人手不断速增,美团外卖布局无人物流,京东机器人物流拣货已开始应用,机器人工作,为人们的生活带来了巨大的便利性。机器人逐渐成为市场的宠儿。 如今,我们的身边已然充斥着各种类型的机器人,在制造、运输、生活等各领域起着非常重要的作用。比如机器人代步车,扫地机器人等。而让这些机器人拥有一双“智慧”双眼的正是机器视觉技术,得益于机器人产业的规划发展,机器视觉技术的应用就有非常广阔的空
[机器人]
如何看待机器视觉产业链的未来发展
“工业4.0”引爆一场全新的工业革命,继“工业1.0”的蒸汽机时代、“工业2.0”的电气化时代、“工业3.0”的信息化时代之后,我们正快速步入智能化时代,努力为中国制造业转型升级贡献力量。 智能制造升级发展的关键就是将传统人工机械化,高效率(工业)机器人应运而生。机器视觉就是为工业装备安装“眼睛”——相机、摄像头等,赋予像人一样的视觉感官,从而实现各种检测、测量、识别、引导和定位等功能。工业机器人要完成生产任务,一套成熟的机器视觉系统必不可少。 什么是机器视觉? 机器视觉(Machine Vision)指的是通过光学的装置和非接触的传感器自动的接收和处理真实物体的图像,以获得所需信息或控制机器人运动的装置,通俗的说就是应用
[嵌入式]
深度解析三维机器视觉成像方法
  工业4.0时代,三维机器视觉备受关注,目前,三维机器视觉成像方法主要分为光学成像法和非光学成像法,这之中,光学成像法是市场主流。   飞行时间3D成像   飞行时间成像(Time of Flight),简称TOF,是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行(往返)时间来得到目标物距离。光发射出去后,会被物体反射回来,并且被相机检测到。      目前市面上的 ToF 产品按技术路线可以分为两大类:1.DToF(直接测量飞行时间,direct-ToF);2.IToF(间接测量飞行时间,indirect-ToF)。 DTOF测量发射脉冲与接收脉冲的时间间隔。其核心组件主要有VCSEL、单
[嵌入式]
深度解析三维<font color='red'>机器视觉</font><font color='red'>成像</font>方法
小广播
添点儿料...
无论热点新闻、行业分析、技术干货……
最新安防电子文章
换一换 更多 相关热搜器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved