概要

在这里插入图片描述

一、构建感兴趣区域（模块化构建）

1.感光元件设置

(1)基本信息：

OpenMV图像处理的基本方法
OpenMV中文入门教程-感光元件

(2)两种像素图像的区别

sensor.GRAYSCALE模式下图片，黑红两色处理后较为相近
在这里插入图片描述
sensor.RGB565模式下图片，黑红两色区分较为明显haha

(3)参考代码(GRAYSCALE)：
""" 调用库函数 """
import sensor

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.GRAYSCALE)  # 设置像素模式 sensor.GRAYSCALE：灰度，每个像素8bit， sensor.RGB565:彩色。每个像素16bit
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            sensor.snapshot()   
            
    except Exception as e:
        print(f"程序运行出错: {e}")
    
""" 程序入口判断 """
if __name__ == "__main__":
    main()

2.LCD显示图像

(1)基本信息：

OpenMV中文入门教程-LCD的使用

(2)参考代码

单独展示（官网例程）

# LCD显示例程
# 注意：要运行这个例子，你需要一个用于OpenMV的LCD扩展板。
# LCD扩展板允许您在运行时查看您的OpenMV Cam的帧缓冲区。
# 此代码适用于4.5.1至最新的固件版本。

import sensor
import display

sensor.reset()  # 初始化sensor
sensor.set_pixformat(sensor.RGB565)  # or sensor.GRAYSCALE
sensor.set_framesize(sensor.QQVGA2)  # 128x160大小的特定液晶屏。
# 初始化lcd屏幕。
# 注意：如果支持，可以使用 DAC 或 PWM 背光控制器来控制背光强度：
#  lcd = display.SPIDisplay(backlight=display.DACBacklight(channel=2))
#  lcd.backlight(25) # 25% intensity
# 否则，将使用默认的 GPIO（开on/关off）控制器。
lcd = display.SPIDisplay()

while True:
    lcd.write(sensor.snapshot())  # 拍照并显示图像。

模块化代码参考

""" 调用库函数 """
import sensor
import display

""" 变量声明区域 """
lcd = display.SPIDisplay()

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)  # 设置像素模式 sensor.GRAYSCALE：灰度，每个像素8bit， sensor.RGB565:彩色。每个像素16bit
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            lcd.write(img)          # 将拍摄到的图像显示到LCD

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

LCD显示图片
在这里插入图片描述

3.图像的处理

(1)基本信息：

详解-OTSU(大津法-最大类间方差)

(2)参考代码

大津法：

# Otsu.py - By: Royic - 周三 9月 22 2021

import sensor, image

sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)

while(True):
    img = sensor.snapshot()
    histogram = img.get_histogram()
    Thresholds = histogram.get_threshold()
    img.binary([(Thresholds.value(), 255)])

识别效果图：
在这里插入图片描述

二值化法-取LAB值
设置为彩色格式时，能单独识别红线
设置为灰度格式时，因红线和黑线阈值相似，无法区分

import sensor

# -------------------------- 传感器初始化 --------------------------
sensor.reset()  # 重置传感器
sensor.set_pixformat(sensor.RGB565)  # 设置彩色图像格式
sensor.set_framesize(sensor.QQVGA)  # 设置分辨率（160x120，平衡速度与精度）
sensor.skip_frames(50)  # 跳过50帧，等待传感器稳定
sensor.set_auto_gain(False)  # 关闭自动增益（手动阈值需固定增益，避免亮度波动）
sensor.set_auto_whitebal(False)  # 关闭自动白平衡（保证灰度值稳定）

# -------------------------- 手动阈值配置 --------------------------
MANUAL_THRESHOLD = (100, 0, -55, 6, -88, 17)  #放置调整后的LAB值

# -------------------------- 二值化核心主循环 --------------------------
while True:
    img = sensor.snapshot()
    img.binary([MANUAL_THRESHOLD], invert=True)

识别效果图（RGB格式）

在这里插入图片描述

模块化合并代码(默认为取值二值化，用大津法自行取消注释)

""" 调用库函数 """
import sensor
import display

""" 变量声明区域 """
lcd = display.SPIDisplay()

RED_THRESHOLD =(0, 100, -128, 3, -105, 30)   #LAB采样值存放变量--手动取值

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)     #设置像素模式 大津法用GRAYSCALE好些，二值化想单独识别红线用RGB565
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 图像处理相关 二值化 """
def process_image(img):
    try:
        """Otsu算法自动计算最优阈值（无需手动调参，适配光线变化）"""
        # hist = img.get_histogram()
        # threshold_obj = hist.get_threshold()
        # thresh_value = threshold_obj.value()  # 提取阈值整数（0-255）
        # binary_img = img.binary([(0, thresh_value)] , invert=True)
        
        """" 取值二值化 """
        binary_img = img.binary([RED_THRESHOLD] , invert=True)
        return binary_img

        # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
    except Exception as e:
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像
    
""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            process_img = process_image(img)#将图像处理后保存到process_img变量
            lcd.write(process_img)          # 将处理后的图像显示到LCD

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

4.感兴趣区域的绘制

(1)基本信息：

OpenMV中文入门教程-画图

(2)在红线上方绘制一个矩形框
""" 调用库函数 """
import sensor
import display

""" 变量声明区域 """
lcd = display.SPIDisplay()

RED_THRESHOLD =(0, 100, -128, 3, -105, 30)   #LAB采样值存放变量--手动取值

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)     #设置像素模式 大津法用GRAYSCALE好些，二值化想单独识别红线用RGB565
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 图像处理相关 二值化 """
def process_image(img):
    try:
        """Otsu算法自动计算最优阈值（无需手动调参，适配光线变化）"""
        # hist = img.get_histogram()
        # threshold_obj = hist.get_threshold()
        # thresh_value = threshold_obj.value()  # 提取阈值整数（0-255）
        # binary_img = img.binary([(0, thresh_value)] , invert=True)

        """" 取值二值化 """
        binary_img = img.binary([RED_THRESHOLD] , invert=True)
        return binary_img

        # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
    except Exception as e:
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像

""" 图像处理相关 绘制感兴趣区域 """
def draw_roi(img):
    roi = (53,47,13,22) #(x,y,w,h)
    img.draw_rectangle(roi,color=(0, 255, 0))

    return img

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            process_img = process_image(img)#将图像处理后保存到process_img变量
            roi_img = draw_roi(process_img) #基于处理后的图像绘制ROI区域
            lcd.write(roi_img)          # 将处理后的图像显示到LCD

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

绘制后显示图片
在这里插入图片描述

5.基于roi区域的检测

(1)参考代码
""" 调用库函数 """
import sensor
import display

""" 变量声明区域 """
lcd = display.SPIDisplay()

RED_THRESHOLD =(0, 100, -128, 3, -105, 30)   #LAB采样值存放变量--手动取值

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)     #设置像素模式 大津法用GRAYSCALE好些，二值化想单独识别红线用RGB565
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 图像处理相关 二值化 """
def process_image(img):
    try:
        """Otsu算法自动计算最优阈值（无需手动调参，适配光线变化）"""
        # hist = img.get_histogram()
        # threshold_obj = hist.get_threshold()
        # thresh_value = threshold_obj.value()  # 提取阈值整数（0-255）
        # binary_img = img.binary([(0, thresh_value)] , invert=True)

        """" 取值二值化 """
        binary_img = img.binary([RED_THRESHOLD] , invert=True)
        return binary_img

        # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
    except Exception as e:
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像

""" 图像处理相关 绘制感兴趣区域 """
def draw_roi(img):
    roi = (53,47,13,22) #(x,y,w,h)
    img.draw_rectangle(roi,color=(0, 255, 0))
    
    #获取区块统计信息
    stats = img.get_statistics(roi=roi)#统计区块内信息
    black_pixels_avg = stats.l_mean() #平均亮度值 （0-255)
    
    if black_pixels_avg > 50:
        # 在检测区域中心绘制绿点（可视化）
        cy = 47 + 22//2
        img.draw_circle(60, cy, 2, color=(0, 255, 0))

    return img

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            process_img = process_image(img)#将图像处理后保存到process_img变量
            roi_img = draw_roi(process_img) #基于处理后的图像绘制ROI区域
            lcd.write(roi_img)          # 将处理后的图像显示到LCD

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

识别显示效果
在这里插入图片描述

6.串口发送识别情况

PCB背面引脚丝印
在这里插入图片描述
丝印详细(背面)

RST PB15
BOOT PB14
NC PB13
PG3 PB12
PD13 PB10
PD12 PB11
5V PA5
GND VCC
(1)串口引脚接线(uart3)
OpenMV TTL
PB10(Tx) Rx
PB11(Rx) Tx
GND GND
OpenMV Arduino
PB10(Tx) Tx
PB11(Rx) Rx
GND GND
(2)示例代码

打印到串行终端

""" 调用库函数 """
import sensor
import display

""" 变量声明区域 """
lcd = display.SPIDisplay()

RED_THRESHOLD =(0, 100, -128, 3, -105, 30)   #LAB采样值存放变量--手动取值
detection = ['0']

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)     #设置像素模式 大津法用GRAYSCALE好些，二值化想单独识别红线用RGB565
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 图像处理相关 二值化 """
def process_image(img):
    try:
        """Otsu算法自动计算最优阈值（无需手动调参，适配光线变化）"""
        # hist = img.get_histogram()
        # threshold_obj = hist.get_threshold()
        # thresh_value = threshold_obj.value()  # 提取阈值整数（0-255）
        # binary_img = img.binary([(0, thresh_value)] , invert=True)

        """" 取值二值化 """
        binary_img = img.binary([RED_THRESHOLD] , invert=True)
        return binary_img

        # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
    except Exception as e:
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像

""" 图像处理相关 绘制感兴趣区域 """
def draw_roi(img):
    roi = (53,47,13,22) #(x,y,w,h)
    img.draw_rectangle(roi,color=(0, 255, 0))
    
    #恢复检测变量
    detection = ['0']

    #获取区块统计信息
    stats = img.get_statistics(roi=roi)#统计区块内信息
    black_pixels_avg = stats.l_mean() #平均亮度值 （0-255)

    if black_pixels_avg > 50:
        # 在检测区域中心绘制绿点（可视化）
        detection = ['1']
        cy = 47 + 22//2
        img.draw_circle(60, cy, 2, color=(0, 255, 0))

    return img,detection

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            process_img = process_image(img)#将图像处理后保存到process_img变量
            roi_img,detection = draw_roi(process_img) #基于处理后的图像绘制ROI区域,并获取detection的值
            lcd.write(roi_img)          # 将处理后的图像显示到LCD
            
            #发送获取值
            result_str = ''.join(detection)
            print(f"检测:{result_str}")

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

打印到串口

""" 调用库函数 """
import sensor
import display
from pyb import UART

""" 变量声明区域 """
lcd = display.SPIDisplay()
uart = UART(3,9600)
RED_THRESHOLD =(0, 100, -128, 3, -105, 30)   #LAB采样值存放变量--手动取值
detection = ['0']

""" 初始化OV7725摄像头传感器 """
def init_sensor():
    try:
        sensor.reset()                          # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)     #设置像素模式 大津法用GRAYSCALE好些，二值化想单独识别红线用RGB565
        sensor.set_framesize(sensor.QQVGA2)     # 设置图像大小 像素尺寸128×160 适配LCD屏幕
        sensor.skip_frames(50)                  # 跳过前50帧 等待感光元件稳定
        sensor.set_auto_gain(False)             # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)         # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                  # 提高对比度，让ROI更清晰
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        raise

""" 图像处理相关 二值化 """
def process_image(img):
    try:
        """Otsu算法自动计算最优阈值（无需手动调参，适配光线变化）"""
        # hist = img.get_histogram()
        # threshold_obj = hist.get_threshold()
        # thresh_value = threshold_obj.value()  # 提取阈值整数（0-255）
        # binary_img = img.binary([(0, thresh_value)] , invert=True)

        """" 取值二值化 """
        binary_img = img.binary([RED_THRESHOLD] , invert=True)
        return binary_img

        # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
    except Exception as e:
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像

""" 图像处理相关 绘制感兴趣区域 """
def draw_roi(img):
    roi = (53,47,13,22) #(x,y,w,h)
    img.draw_rectangle(roi,color=(0, 255, 0))
    
    #恢复检测变量
    detection = ['0']

    #获取区块统计信息
    stats = img.get_statistics(roi=roi)#统计区块内信息
    black_pixels_avg = stats.l_mean() #平均亮度值 （0-255)

    if black_pixels_avg > 50:
        # 在检测区域中心绘制绿点（可视化）
        detection = ['1']
        cy = 47 + 22//2
        img.draw_circle(60, cy, 2, color=(0, 255, 0))

    return img,detection

""" 主程序 """
def main():
    try:
        init_sensor() #上电初始化
        while True:
            img = sensor.snapshot() #保存拍摄到的图像到img变量
            process_img = process_image(img)#将图像处理后保存到process_img变量
            roi_img,detection = draw_roi(process_img) #基于处理后的图像绘制ROI区域,并获取detection的值
            lcd.write(roi_img)          # 将处理后的图像显示到LCD
            
            #发送获取值
            result_str = ''.join(detection)
            uart.write(f"W{result_str}\n")
            # print(f"检测:{result_str}")

    except Exception as e:
        print(f"程序运行出错: {e}")

""" 程序入口判断 """
if __name__ == "__main__":
    main()

VOFA接收
在这里插入图片描述

二、其他

1.代码保存到视觉模块

打开OpenMV盘中的main.py文件保存即可
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.VOFA设置

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、全地形小车巡线完整代码

没有用到加权循迹的方式，且代码还有优化的空间

import sensor
import display
from pyb import UART

#变量定义区域
ROI_CENTER = (63,60)                            #七路感兴趣区域中心点
ROI_SIZE = (17,13)                              #单个ROI区域的宽（17）与高（13）
GRAYSCALE_WEIGHTS = [-3, -2, -1, 0, 1, 2, 3]    #七路ROI区域加权值设置
RED_THRESHOLD =(100, 0, -23, 21, -128, 127)   #LAB采样值存放变量

#初始化相关声明
lcd = display.SPIDisplay()
uart = UART(3,9600)

"""初始化OV7725摄像头传感器（抗光干扰配置）"""
def init_sensor():
    try:
        sensor.reset()                           # 初始化感光元件
        sensor.set_pixformat(sensor.RGB565)      # 设置为彩色模式 以便于更容易区分红线和黑线
        sensor.set_framesize(sensor.QQVGA2)      # 分辨率设置为128*160 符合LCD的显示
        sensor.skip_frames(20)                 # 跳过20帧，等待传感器稳定
        sensor.set_auto_gain(False)              # 关闭自动增益，避免ROI颜色波动
        sensor.set_auto_whitebal(False)          # 关闭自动白平衡，保证红色一致
        sensor.set_contrast(3)                   # 提高对比度，让ROI更清晰
        # sensor.set_saturation(3)                 # 提高饱和度以增强红色
        return True
    except Exception as e:
        print(f"摄像头初始化失败: {e}")
        return False


""" 图像处理相关 采用LAB值二值化 """
def process_image(img):
    try:
        return img.binary([RED_THRESHOLD] , invert=True) #使用LAB颜色空间识别红色
    except Exception as e:  # 异常处理：避免全黑/全白图像导致直方图统计失败（防止程序崩溃）
        print(f"二值化计算异常：{e}")
        return img  # 出错时返回原图像

""" 图像处理相关 绘制感兴趣区域 """
def process_rois(img):
    detection = ['0']*7
    center_x, center_y = ROI_CENTER
    roi_width, roi_height = ROI_SIZE

    # 计算所有7个ROI的中心X坐标（-3w, -2w, -w, 0, w, 2w, 3w）
    x_coords = [center_x + i * roi_width for i in range(-3, 4)]

    # 绘制所有ROI
    for i,x in enumerate(x_coords):
        rect_x = x - roi_width // 2
        roi = (rect_x, center_y, roi_width, roi_height)
        img.draw_rectangle(roi,color=(0, 255, 0))

        #获取区块统计信息
        stats = img.get_statistics(roi=roi)
        red_pixels_avg = stats.l_mean() #平均亮度值 （0-255)

        if red_pixels_avg > 50: #更改为识别白色区域
            detection[i] = '1'

            # 在检测区域中心绘制绿点（可视化）
            img.draw_circle(x, center_y + roi_height//2, 2, color=(0, 255, 0)) # x,y,半径，颜色

    return img,detection

""" 根据检测的结果计算加权值 """
def calculate_weighted_value(detection):
    global GRAYSCALE_WEIGHTS
    weighted_sum = 0
    active_sensors = 0

    for i in range(7):
        if detection[i] == '1':
            weighted_sum += GRAYSCALE_WEIGHTS[i]
            active_sensors += 1

    #处理无线条情况
    if active_sensors == 0:
        return 101

    #十字路口判断 检测特定roi区域识别数量
    if active_sensors >= 3:
        return 102

    #归一化处理(-100 到 +100)
    normailzed_value = int(weighted_sum * (100/6))
    return normailzed_value

def main():
    try:
        if not init_sensor(): #上电初始化
            return

        while True:
            #图像获取与处理
            img = sensor.snapshot()#获取图像
            red_lines = process_image(img) #获取二值化后的图像
            processed_img,detection = process_rois(red_lines)

            #显示处理结果到lcd
            lcd.write(processed_img)  # Take a picture and display the image.

            #计算并发送加权值
            weighted_value = calculate_weighted_value(detection)
            uart.write(f"W{weighted_value}\n")

            #串行终端调试打印（烧录到视觉模块时可以注释掉）
            print(f"检测:{''.join(detection)} 加权值:{weighted_value}")

    except Exception as e:
        print(f"程序运行出错: {e}")

if __name__ == "__main__":
    main()
# 视觉检测
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

卡萨帝AI之眼跑出加速度：22大升级让无人家务更进一步

avatar 2048 AI社区
cover

终端电脑视觉感知防拍屏软件 视觉感知解决方案

avatar 2048 AI社区

光通信与视频编码前沿技术综述：从超大容量传输到实时神经网络编码

多芯光纤与实时神经网络编码分别代表了通信传输与视频压缩两大领域的前沿方向。2.5Pb/s的光传输记录展示了物理层容量的巨大潜力，而MobileNVC则证明了AI驱动的视频编码在移动设备上的可行性。这两大技术方向的持续突破，将为AI大模型时代的海量数据交互和超高清视频应用提供坚实的底层支撑。需要指出的是，从实验室纪录到大规模商用仍需克服工程化、标准化和成本控制等多重挑战。对于技术应用者而言，理性看待

avatar 2048 AI社区