close


蘋果在2013年11月用3.45億美元價格併購PrimeSense之後,各界對於3D感測技術在行動裝置上的應用便有許多想像,若iPhone正式引入3D感測,預期將吸引更多品牌跟進。而隨著新一代iPhone發表時間愈來愈近,3D感測、人臉辨識等相關技術,也跟著成為討鶯歌火鍋推薦論不斷的主題。



3D感測技術與需求■3D感測技術原理目前較常見3D感測技術包括stereo vision、structured light、light coding與TOF(time of flight)四種。Stereo vision是透過2個相機模組拍攝影像,進行三角測量法等運算取得物體距離,是四者中唯一只需RGB相機模組而不用IR(紅外線)模組的技術。由於stereo vision需進行影像運算,通常需要一個額外影像運算晶片輔助,所以有些晶片廠商會推動這項技術。Structured light的原理是對目標打出光條紋,再透過打出去的光紋形狀變化來計算形狀和距離,目前較常見於工業檢測和研究用途。隨著IR發展,structured light技術也能透過IR來發射光紋,所以基本零組件會包括IR發射器、IR相機模組與RGB相機模組。Light coding曾被微軟應用在第一代Kinect,其原理是IR雷射發射後會經過光柵,將光平均分布在測量空間中,然後再透過IR相機記錄每個空間的雷射散斑,設備上需要IR發射器、IR相機模組與RGB相機模組。TOF是微軟併購的3DV Systems所採用的技術,也是第二代Kinect採用的技術。TOF原理是透過IR雷射發射,獲得空間中每一點達到觀測點的時間,進而推算出距離,再得出3D景深圖,因此需IR發射器和接收器,並配合RGB相機模組和感光元件或感應陣列。單純4種技術進行比較,stereo vision和structured light都需圖像分析運算,但stereo vision的軟體運算較為繁雜,不適合大量多點感測,且光源和鏡頭間的基線長度也得拉長,整體而言並不適合用於3D感測。相對地,TOF記錄每個觀測點的時間數據後再進行計算,light coding也只需轉換各區域散斑來計算距離,複雜度較低。不過,這兩項技術均需IR發射和接收器,也會另外需要記憶體甚至是運算元件,成本較高。兩者的運算原理不同,TOF單點IR只需記錄時間,理論上會比light coding先分析散斑圖形再來運算來得簡易,而light coding是將整個畫面切割測距,要得到概略景深圖較容易。整體而言,TOF的反應速度和精準度最佳,而light coding在不需要精細景深圖時的表現較平均,stereo vision的成本則較低。■硬體需求Stereo vision只需要雙鏡頭設計即可執行,以高階智慧型手機多往雙鏡頭發展,只需額外圖形運算元件確保計算速度即可,其他三者則都需要額外的IR發射器、IR接收器與RGB鏡頭模組,最好還有額外記憶體和輔助處理元件。RGB鏡頭模組是行動裝置原本就具備的零組件,只是為了3D感測需要調整規格,IR接收器則須採用IR CMOS相機模組才能獲得較好感測影像。IR發射器的變化多,TOF和structured light等技術常採用作為光源,之後再透過光柵和鏡片組等元件進行分光,通過分光元件後,接著就是繞射光學元件(DOE),來改變光的特性,最後再對外投射。各家廠商在光學技術與設計上的不同差異,也會影響零組件規格、成本與效果,加上演算法差異,即使是同類型的3D感測,也會出現不同效果。人臉辨識與廠商發展策略3D感測技術曾透過PS3和Xbox 360的體感功能出現在消費者面前;2016年Pokemon GO遊戲的AR功能喧騰一時,不過AR應用並不必然需要3D感測,3D感測主要的應用將是人臉辨識。在行動裝置上應用3D感測於生物辨識,可大幅提升安全等級與可靠度,不過,行動裝置並非加上3D感測就能做到真正3D人臉辨識,人臉辨識的原理是透過臉上特徵點當作目標進行比對,比對點越多、信賴區間越小,結果就越精確,由於運算需求較2D辨識龐大,目前的行動裝置效能仍然有限,加上辨識需要時間,速度和便捷度不見得會優於密碼或指紋辨識。模型精細度也是一大問題,前述幾項技術都能獲得3D景深圖,但作為人臉辨識模型則細緻度不足,若要加入人臉辨識功能,勢必要提高3D感測精細度才行,而這將使成本大幅提高、效益卻不足以彌補。不過,行動裝置廠商可透過2D影像進行人臉辨識,外加3D感測來確認是否為真人,就不需能完整描繪出人臉3D模型感測功能,又能兼顧快速反應,也只需要前鏡頭的小範圍感測即可,light coding應用在此情境下效益會較高。行動裝置是否搭載3D感測,需評估成本、空間、應用、效益與獨特性等,其中又以成本為首要門檻。裝置是否能塞得下這些零組件是一大問題,因光學元件尺寸過小會影響品質,而且增加零件就會擠壓行動裝置內部可用空間。■iPhone與3D感測2017年的新款iPhone很有可能於前鏡頭搭載3D感測功能,採用light coding技術協助人臉辨識,附加價值在於提高行動裝置安全性,並能達到快速解鎖,但用後鏡頭處放入3D感測元件進行環境感測的可能性比較低。由於iPhone本身已有用於測量距離的TOF模組,因此搭載3D感測功能所增加的成本不會太高,只需進行調整與整合,例如採用IR CMOS抓取整體3D景深圖、分光元件與DOE依照技術調整光學設計等。蘋果的產品較無價格競爭問題,3D感測與更新其他零組件的成本可能會使蘋果重新訂價,並將成本轉嫁給消費者。在light coding技術方面,蘋果幾乎已能完全消化這項技術並導入,加上蘋果也買下臉部辨識廠商RealFace,可看出其在3D感測技術應用於人臉辨識的布局,其他業者很難在短期內推出內建light coding的3D感測器,這也給予蘋果在技術、專利與獨特性方面的優勢。■Google Tango除了蘋果和微軟,Google也同樣具備3D感測技術:Tango。聯想在2016年就已推出搭載Tango的行動裝置Phab 2 Pro,華碩也在2017年宣布ZenFone AR將支援Tango。Tango是Google在2014年發表的感測計畫,目的是在行動裝置追加體感功能,並與Movidius(2016年被英特爾併購)進行合作,由Movidius提供感測器和晶片。第一代Tango感測技術類似Kinect,以PrimeSense的light coding模式為主,但到2015年Google I/O發表的第二代Tango,則改為TOF,以求廣範圍3D感測和體感追蹤。Tango用於行動裝置上是為了環境3D感測來強化AR效果,但其應用價值還是得看app。現在Google上Tango的app數量不多,多數以娛樂為主、室內裝潢設計次之,消費者缺乏購買動機造成廠商仍對Tango提不起興趣。因此,目前Tango手機宣傳意義大於實際效益,並沒有足以吸引消費者和廠商的應用,Tango模組也並非不能作為人臉辨識的感測器,只因原本設計目的不同,所以直接使用效益不佳,最好還是以前鏡頭用的人臉辨識重新進行設計。此外,即使Tango支援人臉辨識功能,Google也得在Android中提供相對應用功能服務,否則僅靠第三方app,效益就只會是事半功倍。小結■iPhone將搶先應用人臉辨識功能蘋果在2017年推出的新款iPhone有可能在前鏡頭部位搭載light coding技術的3D感測元件,透過3D感測加上面部特徵辨識達到快速人臉辨識效果,應用在安全認證和行動裝置快速解鎖,考量到成本與對運算量、記憶體的需求,該功能只會出現在高階新款產品中,新功能預估也將使新款iPhone的售價提高。一旦iPhone具備人臉辨識功能,將使其他手機品牌蠢蠢欲動,但Android陣營廠商除非要自行投入資源發展,否則只能選擇Google Tango,然而,目前Tango設計比較偏向3D環境感測而非人臉辨識,最好是等待Google進行Tango調整,並在Android上釋出相關應用功能後再行採用較佳。因此,預期Android廠商推出3D感測人臉辨識功能的時間點會比iPhone要晚,估計要到2018年才有可能看到較多機款。至於微軟雖然具有Windows Hello功能,但由於Windows手機稀少,主要應用還是集中在自家Surface平板產品,其他品牌廠也不會為了Windows Hello而推出Windows手機,讓微軟雖然在這塊跑得比較早,但在接下來行動裝置的3D感測競爭中,卻顯得較無足輕重。■3D感測零組件以光學元件為主除去採用雙鏡頭和較適合用於體感追蹤的stereo vision外,TOF、structured light與light coding都需要IR發射器和IR接收器,再搭配既有前鏡頭或後鏡頭來作3D感測。IR發射器和IR接收器是3D感測中較為重要的零組件,也是行動裝置較少使用的零組件。IR接收器基本上會採用IR CMOS相機模組,而IR發射器模組則透過VCSEL發射雷射光源,透過分光元件和DOE後在投射出去。依照採用技術和演算法的不同,IR光路設計和波前也會不同,所需零組件設計也會有所差異,這將導致同類型技術的不同設計會產生不同效果,對裝置硬體的運算負荷需求也將不同。如果希望能有更好反應速度或分擔裝置本身的硬體負荷,可在感應器端追加獨立運算元件和記憶體,先處理基本3D感測運算,然後在到裝置本體的鶯歌燒烤推薦運算元件進行應用服務運用。(本文作者為拓墣產業研究院研究員)(工商時報)蘆洲安格斯牛肉

鶯歌 燒烤

鶯歌 火鍋料宅配




2BCD781693B61097
arrow
arrow
    創作者介紹
    創作者 蔡彥馨廬徑溯律窖 的頭像
    蔡彥馨廬徑溯律窖

    好康消息分享

    蔡彥馨廬徑溯律窖 發表在 痞客邦 留言(0) 人氣()