庞琳勇在立体视觉领域深耕多年并有多项研究成果,是个勉强又不会真正使我快乐的事情

小觅智能是我的第三家创业公司,只以为他们所说的美好是天底下最好的事情

图片 1

原标题:小觅智能:有了这双“眼睛”,机器人和无人车在任何环境中都不会迷路 |
创业

每日早晨醒来都要随手翻翻朋友圈,一瞬间形形色色的美景映入眼帘,虽不知真正用脚踏上那方土地的朋友是何种心情,我只知道我心里是羡慕,羡慕,羡慕。开始觉得自己被困在一个城市,双眼从没吹进新的风,双脚从没快乐前行。最后我有了解决这悲伤情绪的法子:不看朋友圈。

图片 1

然而无聊的时候又不自觉的点开那些精心配好的九图,一颗心又再喊了:我也想到处走走去没去过的地方。我看到我喜欢的人定位上海,想起高中同学就在上海,于是开始计划什么时候能攒些钱,走走他走过的路,顺便和老友叙叙旧。美好憧憬的保质期通常只有一天,在接下来我想到的就是:我没钱。去旅行要住酒店吃好吃的,什么都是钱。经济尚未独立,旅行对我来说,是个勉强又不会真正使我快乐的事情。相反,旅行结束计算花了多少钱的我,会陷入深深自责与不安。而为什么别人在最好的时间享受着那一切,我就只有单调的朋友圈?常常觉得不公平,在我想通之前常常如此。

图片来源:pixabay

盯着别人照片的眼睛,想要的真的只是一场旅行吗?

如何给机器人打造一双在任何环境下自主定位导航的“眼睛”?

我在劝自己,其实是我的心和眼睛迷了路,不知道该往哪儿去。只以为他们所说的美好是天底下最好的事情,想努力追随他们的脚步,然后因为做不到而默默痛苦。我想让自己走出来,写这些的意义,是想告诉自己,我想要的不是一场旅行。

基础创新是一个漫长的赛道,
不过对于硅谷连续创业家庞琳勇博士(Leo)来说,他早已习惯。“小觅智能是我的第三家创业公司,我的第二家公司从成立到最后被收购做了10年。这没什么奇怪的,赚快钱的公司很难有壁垒的。”庞琳勇以很自然的语气回答。

也许是我还没体会到旅行的乐趣,但就目前而言,我更喜欢安静的独处。我需要做的是兑现承诺,靠自己给家人幸福。我赚大钱的那一天,才是我可以收拾行囊带着老妈云游四方的时间。又或许,我该等待对的那个人,才能让走过的每一个地方留下我们珍贵的回忆。

毕业于美国斯坦福大学,拥有机械工程博士和计算机科学硕士(机器人视觉专业)的双学位,并曾在中国科技大学师从光学测量泰斗伍小平院士,庞琳勇在立体视觉领域深耕多年并有多项研究成果。AI
时代的到来,让他在自己擅长的领域看到了一个前所未有的刚需市场。

不要再迷路了,眼睛。就此悔过,转身就是光明。

“每一次技术浪潮都会产生新的基础建设需求。PC 时代,英特尔和微软垄断了 CPU
和操作系统;移动互联网时代,ARM 揽括芯片,iOS 和安卓承包了操作系统;AI
时代的来临,你会发现无论是机器人还是自动驾驶汽车,甚至 VR 和 AR
的应用,其共性特点是动起来了。”在琳勇看来,AI
时代高度强调“动”,而事物要运动,必须要有一双认路和看得出距离的“人眼”——这便是他的专长。

2014 年,旨在让机器人动起来的小觅智能(MYNT
AI)在硅谷成立了。其成员主要来自百度、三星、诺基亚、摩托罗拉等。

小觅智能专注立体视觉技术整体解决方案,是行业领先的视觉定位导航
VPS(Visual Positioning System)核心技术提供商。VPS
核心技术包括自主研发的双目结构光深度惯导相机、 视觉里程计
VIO(Visual-Inertial Odometry)技术、 VSLAM(Visual Simultaneous
Localization And Mapping) 技术、自动驾驶、3D
识别/测量技术等。据庞琳勇介绍,小觅智能提供三个维度的产品,一是基础层:各种各样的双目深度摄像头硬件;二是自动导航的底座,也就是双目摄像头加上
SLAM
的算法,企业可以在上面开发自己的机器人;第三层是针对不同的行业做的定位导航定制方案,如服务机器人,扫地机机器人、汽车辅助驾驶
ADAS 等。

简单来说,小觅智能想给机器人和无人车(机)一双灵敏的眼睛,帮助其自主行走。

说起机器视觉,目前最热门、最主要的两大类应用无非是识别和导航定位。小觅智能则是后者。和用于手机等的二维传感器不同,深度传感器能够把物体的距离测量出来。目前市面上的深度相机主要分为三种:时间飞行法
TOF(Time Of Flight)、双目、结构光。这三种方法皆有优势和局限性。

  • 结构光:属于主动光类,算法容易在芯片上实现,较为成熟,图像分辨率比较高,但测量距离较短(1~2米),容易受光照影响,不适用于室外环境;
  • TOF:属于主动光类,算法容易在芯片上实现,抗干扰性能较机构光要好,
    深度精度高,不过其图像分辨率较低(测的点少),
    测量距离在5米左右,成本高;
  • 双目:属于被动光类,室内外都工作,研究历史较久,成本较低,
    算法精度高,鲁棒性强,测量距离可以达到100米,但计算量大,算法复杂。
    因为非常依赖自然图像特征匹配,所以不适用于昏暗环境或者过度曝光环境,另外如果被测场景本身缺乏纹理,也很难进行特征提取和匹配,如白墙。