目前，采用圖像識別技術來實現無人機規避其他障礙物是一個有效的方法。通過在無人機上植入圖像識別模塊，這個模塊由圖像處理板和相機組合而成，通過算法的賦能，就能針對不同物體實現快速AI識別，然后實現規避。而在圖像處理板的選擇上，成都慧視開發的Viztra-LE026圖像處理板就十分合適。這塊板卡采用了RV1126開發設計而成，外形呈圓形，體積小巧，尺寸為Ф38mm*12mm，重量只有12g，用在無人機上不會過多占用空間。此外，該板卡功耗≤4W，也不會增加無人機的續航負擔。利用慧視SpeedDP能夠幫助提高FPV跟蹤精度。成都智慧交通AI智能視覺

騰訊開發的機器人小五，采用輪、腿、足復合設計，使得它具備越障能力的同時，也保持了輪式機器人的運行效率。每條腿都可以單獨伸長縮短，能有效提升承載能力。裝上了雙編碼器大扭矩密度的執行器后，就能承受住一般成年人的重量。將機器人用于養老服務領域，能夠幫老人取快遞，抱老人起床，帶老人進行活動。機器人內置RGBD相機，在圖像處理板的賦能下，能夠實時檢測周邊環境，進行路線規劃和避障，以高效完成各項工作指令。同時能夠對物體進行AI識別，判斷老人位置、行為動作，為老人的行動做出幫助。成都高性能低功耗AI智能視覺系統成都慧視能夠幫助訓練算法嗎？

AI的不斷應用發展使得傳統的人工工作的弊端得到了很好的彌補。比如在圖像標注這個領域，傳統的標注需要招聘大量的人員，并且標注圖像所耗費的時間精力也是不可估量的，而AI模型的出現讓這一切都成為過去。利用慧視光電打造的深度學習算法開發平臺SpeedDP，就能夠針對場景識別進行特有的模型部署訓練，通過大量的訓練，讓AI學會自動標注圖像。平臺采用標準的AI算法開發流程，通過從需求分析、數據制作到模型訓練、測試驗證以及模型部署幾個主要模塊。SpeedDP用于模型訓練和評估測試的數據集是由一系列的圖像和標注文件組成的，平臺支持多種開源數據格式如VOC和COCO。而目前平臺共支持yolox系列和yolov8系列模型用于模型訓練（分割任務*支持yolov8模型），通過不斷額測試驗證，就能夠讓AI實現海思、RockChip嵌入式硬件平臺等模型部署的可視化AI開發功能。

無人機是巡檢領域的空中巡檢員，搭載智慧“眼”的無人機能夠替代人工，實現自主巡檢。無人機可以搭載紅外光和可見光兩種傳感器，實現晝夜巡檢也不是夢，一基桿塔*用十分鐘的時間便可完成巡檢工作。例如在電力巡檢中，傳統模式下，工人只能采用望遠鏡遠程查看線路，不僅費眼睛，還費時間。同時，由于光線等外界因素的干擾，缺陷的確認也加大了難度，不得不背著**帶近距離校驗，工人的**也受到威脅。而無人機則可以在發現缺陷后，通過抵近觀察的方式進行仔細查看，收集缺陷周圍360°照片回去分析，不僅**也高效率。SpeedDP作為一個AI訓練平臺。

多目標跟蹤是指在連續的圖像中，通過目標檢測算法識別出每一幀中的目標，并在時間上跟蹤它們的位置和狀態。但目標會不斷發生尺度、形變、遮擋等變化，而且還會有目標出現和消失的情況，再加上視頻采集端的相機所處環境可能受到外界影響導致抖動的情況（例如無人機高空檢測），就會給多目標跟蹤造成一定的困難。由于我們不能控制目標，所以只能從視頻采集端維護跟蹤的穩定性。因此，成都慧視針對于多目標檢測跟蹤抖動丟失的優化方法是：1.改進目標檢測,使用更加魯棒的目標檢測算法。2.增強特征描述，利用深度學習提取更高級別的語義特征，這些特征對于小范圍內的視角變化具有更好的不變性3.改進運動模型，在算法中加入對攝像頭運動的估計，通過補償攝像頭運動來減小目標真實運動與預測之間的差距。4.數據關聯策略，設計更靈活的數據關聯算法，允許更大的距離閾值來匹配候選目標?？梢詭椭M行算法訓練的工具有哪些？成都智慧交通AI智能視覺

節約圖像標注的時間就是節約成本。成都智慧交通AI智能視覺

在許多領域，無人機的作業環境相對復雜，需要識別處理圖像背景目標眾多，這種環境下，要想實現更高精度的檢測識別效果，圖像處理板的性能至關重要。在慧視光電開發的多款圖像處理板中，Viztra-HE030圖像處理板以6.0TOPS得以勝任。這款板卡采用了瑞芯微旗艦級芯片RK3588，8nmLP制程，搭載八核64位CPU，主頻高達2.4GHz。集成ARMMali-G610MP4四核GPU，內置AI加速器NPU，支持主流的深度學習框架。性能強勁的RK3588可為無人機AI識別的應用場景帶來更強大的性能表現。成都智慧交通AI智能視覺