大量物聯(lián)網(wǎng)應用受益于光學器件無人駕駛首當其沖
隨著物聯(lián)網(wǎng)世界不斷擴張，我們開始看到，許多的聯(lián)網(wǎng)設備需要觀察它們周圍的世界，以更好地了解環(huán)境。目前大多數(shù)物聯(lián)網(wǎng)設備所具備的機器學習能力，是計算機視覺功能提供的直接結(jié)果，已演進成為了在真實世界中識別對象的能力。為了在真實世界中識別對象，這些設備與計算機都需要具備相當于人眼的計算器件，也就是我們通常所看到的攝像頭。對于物聯(lián)網(wǎng)世界而言，對高質(zhì)量光學器件的需求將會日益增加，以提升這些設備的精確性與功耗。
目前的攝像頭系統(tǒng)還不夠好
如今我們所看到的大部分攝像頭系統(tǒng)在圖像質(zhì)量上有著很大的差異，讓計算機更難以正確地識別周圍的物體。如果無法正確和清晰地看到周圍有什么，通常就需要這些物聯(lián)網(wǎng)設備和設備內(nèi)的計算器件花費更多的計算資源保留處理幀，直到它能夠識別出對象物體。計算機識別一個對象的速度更快，它就能更快地確定需要做什么，并更快地采取適當?shù)男袆?。通過縮短識別時間，機器能變得更智能，能耗更少，反應更快。
無人機和自動駕駛汽車
上面提到的這些功能在當今大受歡迎的一些物聯(lián)網(wǎng)應用中特別重要，我們首先能想到的兩個應用領域就是汽車和無人機。這兩個垂直領域都備受歡迎，是機器學習與人工智能的創(chuàng)新領域，并且都需要多個攝像頭。汽車和無人機都需要多個攝像頭的原因是，單一的攝像頭無法360度環(huán)視所有物體，并具備全方位的環(huán)境感知能力，所以你需要多個攝像頭。這意味著全部攝像頭必須保持始終開啟的狀態(tài)，并不斷嘗試檢測需要避開的對象，或用于情境探知目的。
當提到自動駕駛、無人駕駛汽車與無人機時，光學器件在安全性上發(fā)揮著巨大作用。這些運載工具大多都嚴重依賴攝像頭才能看清路線、其他車輛、路標以及最重要的行人。通過優(yōu)質(zhì)的光學系統(tǒng)，出色的自動駕駛汽車在避免事故發(fā)生方面的表現(xiàn)能遠遠超過人類駕駛員，包括規(guī)避其他車輛和人。有時人可能會因為被其他物體部分遮擋而難以看清對象，但經(jīng)過調(diào)諧優(yōu)化的精密光學系統(tǒng)能夠幫助自動駕駛汽車中的計算機視覺算法在僅僅出現(xiàn)人的某個身體部位時就能“看”到人的存在?？扇绻褂昧速|(zhì)量較差的光學系統(tǒng)，計算機就可能無法快速識別一些對象(例如身體部位)，不會如此有效或安全。
VR和AR
除了智能手機拍攝以外，高質(zhì)量的光學器件對可穿戴設備(也包括我們可能在未來看到的頭戴式設備)也非常有價值。這些設備是否將會是VR/AR設備還不能確定，但它們?nèi)夹枰骋环N光學器件向人眼傳輸圖像。這可以通過復雜的波導、棱鏡或利用顯示器前的菲涅爾透鏡來實現(xiàn)。這些未來的可穿戴設備將隨著VR和AR的逐漸流行而日益普及，而隨著這些設備繼續(xù)變得越發(fā)輕薄，光學系統(tǒng)的復雜程度將進一步增加。為了確保視覺保真度與現(xiàn)在這些更厚重、更老一代的頭戴式設備維持在相同的水平，光學器件的質(zhì)量將變成更加重要的影響因素。
安防攝像頭
最后是安防攝像頭領域。消費級和商用級的安防攝像頭都已開始具備機器學習和人工智能所支持的智能功能，讓它們更好地識別所看到的對象。這樣一來，攝像頭現(xiàn)在就能夠告訴你誰在你家門口，誰在你家里。通過精密的光學器件，這些攝像頭將能夠更好更快地識別人臉，并同時拍攝更高質(zhì)量的來訪者或侵入者的視頻。由于不再需要始終保持錄像狀態(tài)，以及根據(jù)攝像頭識別出對象是什么來選擇是否錄像，這樣的攝像頭還可降低功耗，并節(jié)約存儲空間。這對通過電池供電和向互聯(lián)網(wǎng)無線流傳輸?shù)臄z像頭來說特別有價值，從長期來看，功耗的節(jié)約以及更快更佳的對象識別能力也是非常重要的。
總結(jié)
正如你所見，當今大量的物聯(lián)網(wǎng)應用都將在諸多方面大大受益于精密的優(yōu)質(zhì)光學器件，除了能從物聯(lián)網(wǎng)設備中獲得質(zhì)量更佳的圖像之外，安全、性能、電池續(xù)航和精確度全都將得到提升。隨著這些設備變得更小更輕薄，對精密的光學器件的需求只會提升，而不會降低。如果物聯(lián)網(wǎng)設備無法看清它應該看到的東西，那財產(chǎn)和生命都有可能面臨潛在的危險；而如果這些設備因為光學器件的問題而無法可靠工作，那么也將更加難以推向市場。
