发烧友10周年庆典,全网超值优惠来袭!千元现金券,下单抽奖赶紧参与》》

从四个方面详细解析自动驾驶感知环节

2018-11-29 09:41 次阅读

自动驾驶感知的实现需要软硬件结合,本文从传感器和算法的角度带大家来了解一下自动驾驶的感知。首先看一下自动驾驶目前的行业现状。

行业现状

自动驾驶是目前发展最为迅猛的产业之一,十年之前,消费者就接触过“定速巡航(ACC)”这个功能,而现在ACC功能几乎成为量产车型的标配。目前量产乘用车市场正在专注于L2.5或L3功能的实现,如车道居中辅助(LKA)、主动紧急制动(AEB)、交通拥堵辅助(TJA);而创业公司和研究机构则专注于L4或L5等级的技术研发,并且也取得了非常大的进展,如全自动代客泊车、点到点的无人驾驶出租车、仓库到仓库的无人驾驶货车等。

(该图片来源于创业邦)

自动驾驶迅猛发展的背后到底有哪些力量在推动呢?

两个方面:一是消费者的诉求;二是科技的发展。

首先看消费者的诉求

汽车已经越来越融入到老百姓的生活中,行车安全是消费者最为关心的问题之一,目前老年人占据了用户人群的一大部分,已经变的越来越不能忽视,有调查报告指出有93%的交通事故都是由人为操作失误引起,由此可见,消费者尤其是操作不够灵活的老年人群体对行车安全的诉求越来越强。另外车辆是一个安全舒适的生活延伸,不再是让人疲惫不堪的驾驶环境,车辆的智能化可以使消费者从驾车中解放出来。

再来看科技的发展,科技的发展包括硬件和软件的发展

首先硬件性能得到了全面提升。一方面,芯片算力能耗比巨幅提升。前几年,芯片算例不足或是能耗太高,导致用在车上时实时性很难保证,因此这成为了智能汽车发展的重要瓶颈,最近芯片行业已经得到了大力的发展,以Mobieye为例,从2010年发布eq1平台到今年发布eq4平台,提出eq5平台。8年时间,他们芯片每瓦的算力提升了80多倍,给无人驾驶技术的发展提供了无限的可能。另外,传统传感器得到优化,新型传感器不断研发。传统传感器如摄像头、毫米波雷达、超声波雷达,或新型的传感器如激光雷达等。在性能提高的同时,它们的制作成本也控制的越来越好。

芯片和传感器性能的提升为自动驾驶的快速发展做好了充分的准备。

其次软件算法不断推陈出新。提到软件,不得不提深度学习,深度学习相比于传统的机器学习,很好的实现了端到端感知。有业内人士形象的形容深度学习的感知:只需要给自动驾驶系统一张封面的图像,它就能反馈出方向盘这时候有个转角。当然这个形容有待讨论,但是不得不说深度学习的出现对自动驾驶系统所要求的自动化、一体化的完整性都带来了很大的帮助。

感知是自动驾驶的第一环,是车辆和环境交互的纽带。一个自动驾驶系统的整体上表现好坏,很大程度上都取决于感知系统的做的好坏。

讲到感知,首先不得不讲到传感器。传感器是自动驾驶感知环节中最主要的工具,我们必需对传感器能够提供的数据类型、适用的工况以及局限性都非常了解和熟悉,才能让算法工程师更好的适配传感器所采集和提供的数据写出更好的算法,自动驾驶的传感器主要分为以下四种。

常用传感器简介

高清摄像头

摄像头一般提供的RGB数据,没有深度信息,虽然可以利用双目摄像头做一些深度信息,或者用算法基于单目摄像头做一个深度信息的融合,但是在实际使用过程中误差是很大的,而且单目摄像头在每次使用前都需要做一次标定,非常麻烦,因此业界一般只使用摄像头的RGB的信息。

摄像头有两个比较重要的参数信息,一个是解析度,解析度越高,能提供的细节信息越多;另一个是FOA,FOA直接决定了自动驾驶的摄像头感知视野的宽窄。

摄像头工作的时候,对光照的条件要求比较高,需要一个好的稳定的光照条件,那什么是不好的光照条件呢?举个例子,当载有摄像头的车辆进入隧道的时候,曝光不足,出隧道的时候会发生曝光过度,如此一来,呈现画面上就没有太多的细节信息,这就对于感知算法来说会造成很大的困扰。

目前基于摄像头的感知已经发展的比较成熟,比如特斯拉的Autopilot,它的车道线识别是完全基于摄像头来做的,并且在很多的工况下都会有很好的表现。

毫米波雷达

毫米波雷达是一个基于多普勒效应的传感器,它可以检测物体的距离、距离变化率和放向信息,毫米波雷达原始数据采用的是极坐标,因此它的速度是镜像的速度,优势是对雨、雾、灰尘等的穿头性特别强,而且因为工作原理不会受到光照条件的影响。因此毫米波雷达是一个可全天时工作的传感器。

毫米波雷达的主要参数是频率,频率越高,探测距离就会越远,主要频率是24GHZ和77GHZ,目前也有公司在研发79GHZ频率的毫米波雷达;频率越高的另一个好处是带宽就会越大,分辨率就会越好,分辨率定义为,比如说我这边有两个物体,这两个物体隔开多远毫米波雷达就会认为它们是两个物体。比如像24GHZ的分辨率为60厘米左右,77GHZ的分辨率可以到20厘米左右。像77GHZ的远距离探测的毫米波雷达一般放在车前保险杠附近,作用是对前方障碍物的检测;24GHZ的毫米波雷达一般会放在汽车的左右侧或后侧,主要做盲区的检测。

毫米波雷达简要总结:

数据类型

距离、径向速度、方位

采用极坐标

主要参数

频率高——探测距离远

频率高——带宽大,分辨率好

适用工况

穿透雾、烟、灰尘能力强

具有全天候、全天时特点

主要应用

盲区监测——变到辅助

前车车距监测——ACC、AEB

超声波雷达

超声波雷达的测量原理其实非常简单,主要通过测量发出超声波到超声波碰到物体弹回来接收后的时间差来计算物体与车辆之间的距离。

基于此原理会带来一些误差,因为这样传播的介质是空气,我们知道空气在不同的天气条件(如雨、雾天等)下,对超声波传播的波速都有影响,而且超声波雷达传播的波速本身就比较慢,因此在车辆高速行驶的时候,它测量的实时性会比较差,而且如果测量距离较远的情况下超声波雷达的回拨信号较弱,就会带来一系列的问题,一方面是误差大、另一方面是方向性的信息会比较糟糕。

超声波雷达的好处是体积小、售价低,因此超声波雷达一般会被用在低速、短距离的场景下使用,如倒车。

超声波雷达总结

数据类型

与障碍物的距离

主要参数

频率高——灵敏度高,但FOV小

适用工况

短距离低速测距(0.1-3米)

距离远——误差大、方向性不佳

车速高——波速慢,实时性差

主要应用

低速短——距倒车雷达

激光雷达

激光雷达它的数据是点云数据,是可以描绘3D信息的点云数据。点云是一个一个点,每个点都有自己(x,y,z)的空间坐标信息,还有它的反射率和方向的信息。

激光雷达有两款形式分为固态激光雷达和机械式激光雷达。它们的区分主要看激光发射器是固定的还是运动式的。

传统的机械式激光雷达是把激光发射器和接收器安装在一个装置上,该装置是可以整体旋转的,每旋转一圈就会完成对周围信息的一次扫描,缺点是体积较大、活动的部件较多,因此它的使用寿命较低和也不好维护,另一个缺点是机械式激光雷达在出厂的时候发射点再出厂的时候就已经做在里面的,因此角分辨率后期不能通过一些算法去做调整。

机械式激光雷达

相比之下,固态激光雷达的出现就很好的解决了这方面的问题。固态激光雷达的发射源和接收器都是固定在一个装置内不动的,它会通过一系列的方法把激光导向空间的各个方向,实现对周围空间的扫描,方法一般分为Flash、OPA和MEMS。

固态激光雷达

Flash激光雷达目前还处在研究的初步阶段,我们可以把它想象成一个探头,往四周各个方向发射,并且接收各个方向返回来的激光信号,这样的原理会自身存在固有的一些问题,比如它的能量会随着距离的增加衰退的非常快,所以有效监测距离一般只在小几十米左右。但是如果加大它的能量就会对人眼造成伤害。目前激光雷达的工程样机都非常少,还处在初步的阶段。

OPA激光雷达是相控阵原理,它是做了非常多的激光发射头,把激光发射头排列成一个阵,然后我们通过调节不同激光发射头在发射激光的时候的相位差,实现激光方向的导向。 OPA运用相干原理(类似的是两圈水波相互叠加后,有的方向会相互抵消,有的会相互增强),采用多个光源组成阵列,通过控制各光源发光时间差,合成具有特定方向的主光束。然后再加以控制,主光束便可以实现对不同方向的扫描。

MEMS激光雷达在激光发射头前面做了很小的一个微震的镜片,通过这个镜片的旋转抖动把激光导向各个方向。

现在业界OPA和MEMS都是比较成熟的激光雷达解决方案,目前它们的角分辨率最好的目前已经可以做到0.01°。

受益于工作原理,激光雷达受雨天、雾天、雾霾天的影响是比较小的。虽然在雨天虽然在点数上会有一些点的缺失,在雾霾天时,空间上会有一些噪点,但是都可以通过一些简单的算法把这些问题解决。激光雷达在自动驾驶中扮演了非常重要的角色。

激光雷达小总结:

固态激光雷达

工作原理:激光的发射源和接收器固定,采用Flash、OPA、MEMS的方法控制激光束方向,进行空间扫描。

特点

体积较小

角分辨率较高可达0.01°

角分辨率与扫描频率可调

探测距离一般,约100米

横向FOV较小,约100米

机械式激光雷达

工作原理:激光的发射源和接收器都固定在一个部件上整体旋转

特点

体积一般较大

活动部件多,工作寿命不佳

角分辨率不高,约0.9°,且不可调

探测距离较远,约200米

可360度全方位扫描

数据类型

(x,y,z,r)点云数据

主要参数

角分辨率-点云更稠密,更能体现物体特征

有效探测距离

扫描频率

适用工况

不收光照条件影响,全天时

非极端气象条件均可用

主要应用

目标识别与分类、目标跟踪

可行驶区域分割、车道线识别

SLAM高精自定位

说完传感器,接下来我们就要想办法从传感器中提取到对我们有用的信息,这个时候就是算法需要登场的时候了。说到算法,这里重点讲一下深度学习。

深度学习与感知

深度学习可以实现端到端的感知效果。什么叫端到端?

举个例子,比如说我这边有张图,我们想做一个抠图,把图上的一个人抠出来,传统的CV的方法,无论是基于图割、最小割还是随机场的算法,都需要标一下这张图的前景还有后景分别是什么,而且跑完算法之后会发现算法分错了还得需要提供额外的信息进一步区分前景和后景,这就说明算法在运行的时候需要进行非常多的人为干预;然而深度学习可以被理解为全自动的算法,可以在没有人干预的情况下完成一个算法的流程,这是深度学习相较于传统机器学习最大的优势所在。

深度学习的模型是由不同的计算层构成的,所谓的计算层是由自身的一个参数,它把自身的参数和收到的数据做一个简单的数学计算,然后再把计算结果传输给下一层,这就完成了这一层的工作,每一层都有不同的职责,比如说,直观解释来讲,像卷积层,可以理解为它是把图像信息做了一个提取;像池化层,它是数据做了一个降维处理,保留了有效的信息,同时把数据的体积做了一个剪裁;像激活层,可以理解为对有效信息的一个过滤,它把无效信息给滤走,它是模仿人脑的神经元,对数据的非线性的计算处理;像全连接层,大家可以理解为,把之前提取的高层的信息做了一个整合,帮助模型做整个判断。

深度学习是有监督学习的一种,说到训练,就要看两个东西,一个是叫做ground-truth,是我们希望模型达到的最理想值;还有一个就是提供给它的数据。

我们是如何训练的呢?我会通过比较ground-truth和这个模型自己计算出的一个结果,我们会量化的计算一个误差值,这个误差值就是我们的一个损失值,我们通过调整模型的参数把这个损失值降到最低就会完成模型的一个训练。

那如何调整参数呢?我们可以想象一下一个凹函数它是由很多自变量构成,它的因变量就是损失值,把损失值往零去优化的一个方法就是梯度下降的方法,这也是深度学习中优化每一层的方法。

那深度学习有很多层,层与层之间是如何优化的呢?这时候我们就会采用偏微分里面的一个链式法则,把每一层的梯度不断地往前传,这样一个链式的流程就会实现反向传播深度学习的训练。

深度学习为什么可以做到端到端的模型?因为数学的输入量和最终的输出量是可以做自己的自定义的,从数据的输入到模型的输出之间它是由一系列的数学表达式相连接,它就是可以使用这种反向传播的模式进行优化的。所以这也就是深度学习能够实现端到端的原因。

虽然深度学习能实现非常棒的端到端的感知能力,实际上业界在使用深度学习的时候也发现了一系列的问题。下面主要列举三个例子,一块讨论一下业界和学术界目前遇到的这些问题以及业界和学术界的差异化,以及业界解决问题的方法。

学术界VS业界

数据前融合

学术界为了体现算法的先进性,他们会尽量采用尽量少的数据,去拟合出尽可能多的信息。举个例子,很多研究论文都会集中于说我通过一张图片就可以拟合出它的深度信息,可以做一个车辆三维姿态的估计,实际上对于业界来讲,会认为这样来做误差会比较大,比较好的拟合的结果误差可能在1米左右。

1米是什么概念呢?想象一下,汽车在路上以60千米/小时行驶的时候,没有0.1秒车子就会驶过1.6米左右,因此我们会觉得这个误差比较大。作为业界来讲,希望如果有的信息能够用传感器做一个准确的测量的话,宁愿多装一个传感器,而不是用算法去拟合,因为业界觉得数据的可靠性是最重要的。

这就会牵扯到业界会把不同的传感器都会做一个数据的前融合。所谓的数据前融合就是把数据送到算法,得出一个结构化数据之前,我们在原始数据上做一个前融合,业界会把激光雷达数据和摄像头数据做一个前融合,这样激光雷达的点云数据从原先的四维数据(x,y,z,r)变为7维数据。融合的好处是原始数据中有一个非常精确的三维的信息,并且对材料本身的一些信息,如反射率、颜色等也得到了一个信息的补充。

有人可能会问,这样融合时候,计算量会不会增加很多?实际上并不会。因为,首先从深度学习的角度来讲,你的数据的维度是多少就等同于你的数据的通道数是多少,通道数量对模型的前一两层并不会增加很大的计算量。而且作为深度学习来说,我们有很多的技巧来减少该计算量,比如说,我们可以做一些池化的处理、可以做一些一对一的卷积降维的处理,而且这些数据在进入深度学习运算之前,会做一些栅格化的处理,这样一来就会有效地控制好数据计算量的增幅。而我们得到的信息就会丰富很多。

数据后融合

所谓的数据后融合就是把不同传感器的算法的数据结构化处理后再做一个融合,这点学术界并不感兴趣,因为后融合一般很难体现他们算法的先进性。

这里举一个核心区域分割的例子

学术界一般采用的是像素集语义分割的方式对行驶区域的查找,像素集语义分割就是把图像上的无论是路面还是车,每一个像素都打上标签,这样一来就会有一系列的问题,比如说,上图中,可行驶区域边缘分割的并不是特别光滑,而且在收到光照的干扰的情况下边缘会出现明显的分类的错误,虽然非常多的论文和研究机构在说如何改进这一点,但是这的确是目前扔然存在的一个问题。

这时候业界会如何保证算法的鲁棒性呢?这时业界会采用另一个传感器来做同一件事情,两个传感器所产生的数据进行比较。之所以这样来做是为了尽量减少做同一件事情的时候的关联性。这样通过两种不同方法得出的同样的数据作比较的时候才会有互相做检查的安全的意义。

数据后融合的方法,如上图右侧,我们会看到点的数据,这里的算法并没有牵扯到深度学习,它是取一个点,然后对这个点取一大一小两个半径,通过两个半径再找两个平面,然后再计算这两个平面的法向量,再把这两个法向量做一个差。对于每个点都做这样一个操作之后就会得到一个路面几何信息变化率的数据,这个计算并不会增加额外的计算量,因为它并不像深度学习又要跑一个很庞大的网络,只是基于纸质运算所得到一个数据,而这样得到的数据是通过另一种方法来的,它跟基于图像得到的结构化数据的关联性几乎是没有的,这样是一种比较保险的做法。

自适应模块化网络架构

对于学术界只是想证明自己算法的优越性,希望通过一个模型应对所有场景,导致的结果是过长的端到端,可解释性会差;另外强调泛化性,全局最优主导下的局部不足;还有模型尺寸过大,参数过多,对运算力的需求会很高。

因为自动驾驶在实际使用的过程中,场景变化并不会特别的频繁,所以很多时候希望说我有一个模型可以很好的应对当前的情况,而不是说我有一个大的模型可以很好的应对所有的情况。

在业界如何解决这些问题呢?这里采用了自适应模块化算法网络,所谓的自适应是指当前传感器感受到的一些初步的信息先做一个场景的判断,可以快速的判断出这是白天还是晚上,下雨还是起雾,然后通过场景的判断之后,再到算法池里面去选择一个合适的专门训练过的模型,再通过这个模型进行计算感知。第一步做判断并不会额外增加更多的计算量,并且用到的信息也不多。然后将这些数据送到算法池,选择针对此工况优化后的模型。

模块化的设计,是多个短的端到端的网络有以下三个好处:易定问题、不需要过一遍完整的网络所以可降低训练成本、减小运行时实时算例需求。

展望

从V2X的角度去想,单辆车的感知不仅对自身是有益的同时也对周围其他车辆也是有益的,因为我们可以把路上行驶的每一辆车都看作是一个个传感器,可以把自己感知到的结构化数据实时传输到云端,这样能够帮助整个智能生态化环境的构建。

举两个例子,一个是相同目的地的车辆可以自然的形成一个实时的车队,只要前车做一个感知,后车做一个跟车,这样就会很轻松的完成一个自动驾驶车队的情况;另外一个就是一些大城市会面对交通的早晚高峰,此前有人提出了潮汐车道来解决此问题,但是目前的做法还是不够高效,如果能够达到一个车联网的状态的话,未来车道未必需要标上这样反向性的箭头了,因为可以适时动态的调整车流及方向,可以增大路面的利用率。

原文标题:自动驾驶的智慧之眼——感知

文章出处:【微信号:IV_Technology,微信公众号:智车科技】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

深度学习和神经网络

David,加州大学物理博士,美国著名电商数据科学家。本课程介绍什么是深度学习, 深度学习与机器学习的关系,几种神经网络
发表于 11-08 00:00 7724次 阅读
深度学习和神经网络

ESP中传感器及接口技术的电路解析

ESP是英文Electronic Stability Program的缩写,中文译成“电子稳定程序”....
的头像 陈翠 发表于 09-22 11:05 352次 阅读
ESP中传感器及接口技术的电路解析

基于CNN的大规模可穿戴传感器运动数据分类

本文使用CNN来对可穿戴传感器收集的大规模运动数据进行分类,同时对传感器数据转换为不同的图像格式输入....
发表于 09-22 10:56 26次 阅读
基于CNN的大规模可穿戴传感器运动数据分类

正在出现的零散的微芯片市场将给开发者带来一些艰难的选择

人工智能研究人员需要在处理深度学习前所未有的计算需求时所能获得的所有优势。GPU处理能力发展迅速,最....
的头像 IEEE电气电子工程师学会 发表于 09-22 09:26 72次 阅读
正在出现的零散的微芯片市场将给开发者带来一些艰难的选择

新时代下的创新形态变革

但是互联网和新型创意分享论坛还使得开放式创新拥有了一些社会属性。这些社会属性包括创客运动、不同的合作....
的头像 贸泽电子设计圈 发表于 09-22 07:40 253次 阅读
新时代下的创新形态变革

IEEE Innovators为电子垃圾提供了启发性的方法

对于IEEE学生会员Paige Kassalan来说,“建筑和建设是一个有很多机会的行业。对于太阳脉....
的头像 IEEE电气电子工程师学会 发表于 09-22 07:10 297次 阅读
IEEE Innovators为电子垃圾提供了启发性的方法

超级智能粒子机器人可实现变形和移动

近日,美国陆军在新型机器人开发方面取得了新进展——用智能粒子制造群体机器人。佐治亚理工学院和西北大学....
发表于 09-21 08:16 31次 阅读
超级智能粒子机器人可实现变形和移动

使用无线传感器网络实现移动机器人的节点定位资料说明

介绍了一种基于无线传感器网络的移动机器人节点定位实现方案, 阐述了节点定位的基本原理, 给出了节点硬....
发表于 09-20 17:08 47次 阅读
使用无线传感器网络实现移动机器人的节点定位资料说明

人工智能在未来将实现社会包容式发展

很多人看到人工智能,看到的都是悲观的景象,但我看到的是光明的未来。在过去的60多年当中,科技进步最重....
发表于 09-20 16:29 77次 阅读
人工智能在未来将实现社会包容式发展

翻转教学中的深度学习

从布卢姆的教育目标分类来看,翻转作业在课前主要为实现记忆与理解层次的部分目标,为课堂实现更高阶的其余....
的头像 倩倩 发表于 09-20 16:14 117次 阅读
翻转教学中的深度学习

深度学习路径的由来,面对人工智能人类还只是“小学生”

这些研究人员认为,受大脑生物学启发的、那些被称为神经网络、连接主义和并行分布处理的AI实现方法,会最....
的头像 倩倩 发表于 09-20 16:05 235次 阅读
深度学习路径的由来,面对人工智能人类还只是“小学生”

深度学习与机器阅读

随后,以传统机器阅读的方法作为引入,引出了深度学习的方法。先介绍了机器阅读的主要步骤:文本表示(将文....
的头像 倩倩 发表于 09-20 16:01 235次 阅读
深度学习与机器阅读

深度学习的基础知识,深度学习神经网络和学习过程的历史

好的,大脑是如何表现的?它使用几个无限对(x,y)样本(训练集)训练自己,并且在整个逐步过程中,f(....
的头像 倩倩 发表于 09-20 15:57 112次 阅读
深度学习的基础知识,深度学习神经网络和学习过程的历史

深度学习仍缺乏科学理论根基,会碰到发展壁垒

随着互联网时代的发展,AI 技术给人们的生活带来便捷的同时,大众的职业信息、购买偏好、日常出行、刷脸....
的头像 倩倩 发表于 09-20 15:53 327次 阅读
深度学习仍缺乏科学理论根基,会碰到发展壁垒

EmbodyMe宣布获得2.3亿日元融资,开发了一款AR应用程序“Xpression”

EmbodyMe所研发的应用Xpression与国内之前风靡的《ZAO》类似,基于AR通过深度学习技....
的头像 倩倩 发表于 09-20 15:49 140次 阅读
EmbodyMe宣布获得2.3亿日元融资,开发了一款AR应用程序“Xpression”

如何促进学生深度学习?选用三条策略进行探索

二是基于学生的知识经验:物理知识本身就是一个完整的知识体系,它们之间有着本质的逻辑关系,通过对原有知....
的头像 倩倩 发表于 09-20 15:46 86次 阅读
如何促进学生深度学习?选用三条策略进行探索

使用Node.js在深度学习中做图片预处理

做图片预处理的目的是为了解决对象识别中训练集不足的问题。当对象识别应用于某个专用领域的时候,就会遇到....
的头像 倩倩 发表于 09-20 15:40 99次 阅读
使用Node.js在深度学习中做图片预处理

首个基于深度学习的端到端在线手写数学公式识别模型

TAP 延续了会议文章 [1] 中的 Encoder 框架,在 Attention 机制上针对在线手....
的头像 倩倩 发表于 09-20 15:35 95次 阅读
首个基于深度学习的端到端在线手写数学公式识别模型

AI寒冬将至?深度学习的“新江湖”

说到深度学习与人工智能的关系,简单来说就是:将海量数据通过深度学习进行处理后形成一个模型,再将模型应....
的头像 倩倩 发表于 09-20 15:29 170次 阅读
AI寒冬将至?深度学习的“新江湖”

PyTorch版《动手学深度学习》开源了

目前,该项目在 GitHub 上已获得超过 1.1 万星,并且中文版电子书还发布了纸质版书籍。不过虽....
的头像 倩倩 发表于 09-20 15:25 73次 阅读
PyTorch版《动手学深度学习》开源了

闪马智能获5800万元天使轮融资

大客流管理:用于公共场所、大型活动区域等地大规模人流疏导管理,同时可分析识别拉横幅、打架斗殴、人群聚....
的头像 倩倩 发表于 09-20 15:18 154次 阅读
闪马智能获5800万元天使轮融资

小米MIX 5G新机命名为小米MIX Alpha,首搭10800万像素摄像头

  随着小米5G新品发布会的临近,官方为新机预热的节奏也在逐步加快。近日小米手机官位便正式放出先前曝....
的头像 牵手一起梦 发表于 09-20 15:16 1045次 阅读
小米MIX 5G新机命名为小米MIX Alpha,首搭10800万像素摄像头

奥迪Q2的深度学习概念探索了自学智能停车技术的可能性

为了展示奥迪Q2深度学习概念的能力,奥迪展示了一个面积为3米x 3米的区域,代表了一个停车区域。在没....
的头像 倩倩 发表于 09-20 15:15 557次 阅读
奥迪Q2的深度学习概念探索了自学智能停车技术的可能性

基于序列信息来预测潜在的抗癌多肽的深度学习方法

中国科学院新疆理化技术研究所研究人员首次开发和提出了基于序列信息来预测潜在的抗癌多肽的深度学习方法。....
的头像 倩倩 发表于 09-20 15:13 73次 阅读
基于序列信息来预测潜在的抗癌多肽的深度学习方法

利用深度学习方法,搭建了一个针对厄尔尼诺的统计预测模型

厄尔尼诺主要指太平洋东部和中部热带海洋的海水温度异常持续变暖的现象。其可能造成极端气候和生态系统破坏....
的头像 倩倩 发表于 09-20 15:11 165次 阅读
利用深度学习方法,搭建了一个针对厄尔尼诺的统计预测模型

人工智能和机器学习与深度学习之间是怎样的关系

这三种方式在运行机制上的差异使得它们分别适用于不同的任务。而其间最为突出的差别存在于人工智能 (AI....
发表于 09-20 14:57 42次 阅读
人工智能和机器学习与深度学习之间是怎样的关系

IDC逐步深入开展机器学习开发平台厂商评估

应用落地现状:目前商业化机器学习产品已经落地的行业及应用包括金融行业反欺诈、信用模型评估,跨行业的产....
的头像 倩倩 发表于 09-20 14:53 178次 阅读
IDC逐步深入开展机器学习开发平台厂商评估

自动驾驶存在什么利与弊

技术的进步使得交通运输变得更加便利。像物联网应用这样的汽车技术已经改变了驾驶体验。
发表于 09-20 14:53 86次 阅读
自动驾驶存在什么利与弊

Reed系列传感器在智能门锁中的应用原理解析

Littlefuse 的Reed系列传感器可以安装在门锁内部,而启动器则安装在门框里对应传感器的位置....
发表于 09-20 14:47 64次 阅读
Reed系列传感器在智能门锁中的应用原理解析

人工智能、机器学习与深度学习之间有什么区别联系?

如果你观察下跳棋程序的输出,你会发现这些动作背后隐藏着某种形式的“人工智能”,尤其是当电脑打败你的时....
的头像 倩倩 发表于 09-20 14:35 199次 阅读
人工智能、机器学习与深度学习之间有什么区别联系?

如何在没有LCD的情况下测试SPI(SCB)测试?

你好, 我是一个新手,在PSoC 4上工作,通过SPI传输一个传感器。 在阅读和尝试了大量的文件和例子之后,我仍然不能做一个...
发表于 09-20 13:06 92次 阅读
如何在没有LCD的情况下测试SPI(SCB)测试?

图形气象站的制作教程

原则上,仅尝试建立一个关于可观察幅度的理论是完全错误的。实际上,恰恰相反的情况发生了。正是这个理论决....
的头像 39度创意研究所 发表于 09-20 11:18 674次 阅读
图形气象站的制作教程

物联网用在教育中的影响以及障碍分析

物联网确实实现了创新,从智能白板和联网校车开始,朝着智能照明和安全摄像头的方向发展,所有这些都为学生....
发表于 09-20 11:13 90次 阅读
物联网用在教育中的影响以及障碍分析

美国能源部阿贡国家实验室研究人员正在开发深度学习框架MaLTESE

阿贡实验室研究人员Shashi Aithal和Prasanna Balaprakash利用ALCF(....
的头像 倩倩 发表于 09-20 11:03 188次 阅读
美国能源部阿贡国家实验室研究人员正在开发深度学习框架MaLTESE

RFID技术在交通领域有什么应用

基于RFID技术的汽车电子标识系统,能够实时准确地监察车辆黄绿标信息以及车辆尾气排放情况,实现车辆环....
发表于 09-20 10:55 129次 阅读
RFID技术在交通领域有什么应用

国外调查机器人幻想和现实模拟的案例

这项研究从先前的生物学研究中得到启发,这些研究旨在了解生物体的感知局限性以及信息不匹配如何影响它们的....
的头像 倩倩 发表于 09-20 10:37 556次 阅读
国外调查机器人幻想和现实模拟的案例

机器学习必需数据标注,人工标注帮助AI快速落地

AI数据标注员被称作“人工智能背后的人工”。“数据是人工智能的血液。当下是大数据基础上的人工智能,是....
的头像 倩倩 发表于 09-20 10:29 366次 阅读
机器学习必需数据标注,人工标注帮助AI快速落地

如何设置温度和湿度传感器

以下是成品的样子。我们实际上已将传感器包含在外部分线板上,这样我们就可以保持外壳完全密封,并让传感器....
的头像 39度创意研究所 发表于 09-20 10:19 411次 阅读
如何设置温度和湿度传感器

探讨机器学习与深度学习的差异

人工智慧、機器學習以及深度學習已變成現今最熱門的話題之一,但以字面上的意思不足以清楚的表達其意義,使得人們常常混淆。以下...
发表于 09-20 09:05 92次 阅读
探讨机器学习与深度学习的差异

基于NXP LPC824+Vishay VCNL4020手势识别开发板

手势识别是近年来大热的人机交互方式。因其操作方便,功能炫酷而广泛应用于智能手机,智能穿戴,智能家居以及智能汽车等领域。 ...
发表于 09-20 09:05 27次 阅读
基于NXP LPC824+Vishay VCNL4020手势识别开发板

P系列功率计和传感器技术概述

This technical overview covers the features, benefits and specifications for the P-Series power meters and sensors....
发表于 09-20 09:02 28次 阅读
P系列功率计和传感器技术概述

平膜压力传感器的工作原理是什么?

平膜压力传感器弹性体采用进口材质、膜片隔离工艺、测试头无引压孔,测量过程中不存在粘稠介质堵塞的情况,一体化结构设计,适用...
发表于 09-20 09:01 17次 阅读
平膜压力传感器的工作原理是什么?

请问是周期性采集事件导致扫描不到设备的吗?

        本人在做一个传感器的周期性采集,但是设置周期性采集事件后无法扫描到设备,通过串口监...
发表于 09-20 09:01 69次 阅读
请问是周期性采集事件导致扫描不到设备的吗?

为何我国开始重视智能传感器的发展

随着物联网和人工智能的发展,传感器的功能需求在逐渐增加,智能传感器成为刚需,它为智能设备提供信息交换....
发表于 09-20 08:59 61次 阅读
为何我国开始重视智能传感器的发展

室内播种机的制作

我们将在该项目中使用SGP30 CO2和VOC(挥发性有机化合物)传感器。它讲的是I2C,它在Ras....
的头像 39度创意研究所 发表于 09-20 08:53 148次 阅读
室内播种机的制作

养蜂人怎样利用RFID技术来管理数据

这套系统由两只(叫做Beecons的)传感器、NFC标签和读写器、蓝牙适配器、移动网关和云端软件共同....
发表于 09-20 08:52 30次 阅读
养蜂人怎样利用RFID技术来管理数据

需要ENC28j60以太网与PIC18F4520的接口

嗨,我是一个新手到以太网控制器。我需要使用以太网控制器使用HTTP GET方法向我们的服务器发送传感器数据。我通过了Enc2...
发表于 09-20 08:37 16次 阅读
需要ENC28j60以太网与PIC18F4520的接口

MPU6050六轴传感器实验的程序和工程文件免费下载

本文档的主要内容详细介绍的是MPU6050六轴传感器实验的程序和工程文件免费下载。
发表于 09-20 08:00 12次 阅读
MPU6050六轴传感器实验的程序和工程文件免费下载

功率放大器在液晶透镜的中心凹成像中的应用论文说明

中心凹成像是一种形成高分辨率感兴趣区域(roi)图像的技术。它的生物灵感来自动物的视觉,使成像系统能....
发表于 09-20 08:00 19次 阅读
功率放大器在液晶透镜的中心凹成像中的应用论文说明

H2U系列可编程逻辑控制器用户手册免费下载

本文档的主要内容详细介绍的是H2U系列可编程逻辑控制器用户手册免费下载。 H2U可编程控制器的主要....
发表于 09-20 08:00 21次 阅读
H2U系列可编程逻辑控制器用户手册免费下载

罗斯蒙特248温度变送器的数据手册免费下载

本文档的主要内容详细介绍的是罗斯蒙特248温度变送器的数据手册免费下载。
发表于 09-20 08:00 31次 阅读
罗斯蒙特248温度变送器的数据手册免费下载

电子标签怎么解决振弦式传感器的特殊问题?

在土木工程中,经常要用振弦式传感器测量各种指标参数,包括拉力、压力、应力、位移等。而振弦式传感器因制造工艺所致,其产品性...
发表于 09-20 06:41 83次 阅读
电子标签怎么解决振弦式传感器的特殊问题?

使用89C52单片机设计简易智能电动车的论文资料免费下载

简易智能电动车由一个电动玩具车改造而成。系统的控制部分以单片机为核心,通过对前向通道各种传感器信号的....
发表于 09-19 17:48 76次 阅读
使用89C52单片机设计简易智能电动车的论文资料免费下载

CMOS传感器市场为何变得如此火热

图像传感器是当今应用非常普遍且重要性较高的传感器之一。
发表于 09-19 16:02 57次 阅读
CMOS传感器市场为何变得如此火热

自动驾驶汽车的关键元件是什么

自动驾驶系统开发的很大一部分集中在“虚拟驾驶员”或车辆大脑的优化上。
发表于 09-19 15:28 150次 阅读
自动驾驶汽车的关键元件是什么

LG有望为明年新款iPhone提供3D感应后摄传感器

据消息称,LG 电子有望为传说中的新款 iPad Pro Refresh 机型提供 3D 感知后置摄....
的头像 牵手一起梦 发表于 09-19 15:04 248次 阅读
LG有望为明年新款iPhone提供3D感应后摄传感器

使用Zigbee无线网络技术设计粮仓环境监测系统的资料说明

针对我国粮仓环境信息管理水平较低、尚无科学的方法实施自动化地监测粮仓环境信息状况的现状,应用无线通信....
发表于 09-19 14:51 40次 阅读
使用Zigbee无线网络技术设计粮仓环境监测系统的资料说明

基于Nuvoton MCU和压力传感器的洗衣机水位检测方案

以前的洗衣机的水位检测主要是使用水位传感器:电磁式水位传感器和机械水位开关(触点式水位开关)。电磁式水位传感器由橡胶膜(...
发表于 09-19 09:05 23次 阅读
基于Nuvoton MCU和压力传感器的洗衣机水位检测方案

低成本ONSEMI免电池传感器监测

随着物联网(IoT)的快速增长及对数据存储的高要求,处理和传输将成为项目可持续性的一大问题。因此,如非绝对强制,任何类型的能...
发表于 09-19 09:05 35次 阅读
低成本ONSEMI免电池传感器监测

AR0237AT CMOS图像传感器 数字 2.1 MP /全高清 1 / 2.7英寸

美半导体的AR0237AT是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928(H)×1088(V)。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0237AT可以产生非常清晰,清晰的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 卓越的低光性能 采用安森美半导体DR-Pix技术的最新3.0米像素具有双转换增益 高达1080p 60 fps的全高清支持,实现卓越的视频性能 线性或高动态范围捕获 支持线路交错T1 / T2读出以启用ISP芯片中的HDR处理 支持用于外部机械快门 片上锁相环(PLL)振荡器 ...
发表于 08-13 13:47 62次 阅读
AR0237AT CMOS图像传感器 数字 2.1 MP /全高清 1 / 2.7英寸

AR0230AT CMOS图像传感器 2 MP 1/3

AT是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928Hx1088V。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0230AT可生成非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择。 特性 高动态范围 应用 汽车 电路图、引脚图和封装图...
发表于 08-13 11:03 69次 阅读
AR0230AT CMOS图像传感器 2 MP 1/3

AR0237SR CMOS图像传感器 2.1 MP 1 / 2.7 更低成本

是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928(H)x 1088(V)。它采用滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如像素内合并,窗口以及视频和单帧模式。它专为低光和高动态范围场景性能而设计,可通过简单的双线串行接口进行编程。 AR0237可以产生非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 具有双转换增益的DR-PIX™技术 全高清支持1080p 60 fps,提供卓越的视频性能 线性或高动态范围捕获 片上锁相环(PLL)振荡器 支持线路交错T1 / T2读出以在ISP芯片中启用HDR处理 基于位置的集成颜色和镜头阴影校正 用于精确帧率控制的从属模式 ...
发表于 08-13 11:01 57次 阅读
AR0237SR CMOS图像传感器 2.1 MP 1 / 2.7 更低成本

NCP135 LDO稳压器 500 mA 超低压降 超高PSRR 带偏置轨

是一款500 mA LDO,配有NMOS passtransistor和独立的偏置电源电压(V BIAS )。该器件提供非常稳定,精确的输出电压和低噪声,适用于空间受限,噪声敏感的应用。为了优化电池供电的便携式应用的性能,NCP135具有低I Q 消耗。 NCP135采用DWFN6 2 mm x 2 mm封装。 类似产品: NCP13x系列 NCP130 NCP133 NCP134 NCP135 NCP137 NCP139 输出电流(A) 0.3 0.5 0.5 0.5 0.7 PSRR f = 1 kHz(dB) 70 70 > 60 压差电压(V) 0.060 0.090 0.090 0.053 0.060 0.060 特性 优势 Typ的超低压降。 53mV 允许节省功率并以非常低的Vin-Vout电压工作。 0.4V固定输出电压选项 0.4V应用的最佳选择 保证输出电流从0mA到500mA 高电流应用的非常好的选择 0.5%典型输出电压精度 非常适合POL应用 li> 输出有效放电选项 输出电流超过500mA 应用 终端产品 电池供电和便携式设备 图像传感器应用 来了ras,相机模块 电路图、引脚图和封装图...
发表于 07-30 07:02 8次 阅读
NCP135 LDO稳压器 500 mA 超低压降 超高PSRR 带偏置轨

NCP153 LDO稳压器 130 mA 双输出 低Iq 高PSRR 带折返式

是130 mA,双输出线性稳压器,可提供非常稳定和精确的电压,具有极低的噪声和高电源抑制比(PSRR),适用于RF应用。为了优化电池供电的便携式应用的性能,NCP153采用自适应接地电流特性,在轻负载条件下实现低接地电流消耗。器件还具有折返式电流保护功能,可降低短路电流并保护受电设备。 特性 优势 低压降:130 mV典型值130 mA 支持输入电压要求非常低的应用 高PSRR:1kHz时为75dB 适用于功耗敏感的应用 热关断和过流保护 坚固的设计和高可靠性 典型的低静态电流。 50μA 轻载条件下的高效溶液 XDFN-6 1.2 x 1.2 mm包中提供 非常适合空间受限的应用 工作输入电压范围:1.7 V至5.5 V 非常适合电池供电的应用程序 折返短路保护 将SC电流降至非常低的值 - 55 mA typ。 应用 终端产品 指纹传感器供应 相机 RF电源 智能手机 便携式设备 无线手机 平板电脑 电池供电设备 电路图、引脚图和封装图...
发表于 07-30 07:02 10次 阅读
NCP153 LDO稳压器 130 mA 双输出 低Iq 高PSRR 带折返式

NCP156 LDO稳压器 500 mA / 250 mA 双输出 超低压降 低Iq 超低噪声

是双输出线性稳压器,专为相机模块应用而优化。该器件提供独特的高电流低电压偏置轨拓扑组合,用于提供数字模块和非常精确的第二输出,用于为模拟传感器模块供电。这种组合可以实现最佳性能和功效。 特性 优势 N-MOS和P-MOS双LDO 针对相机传感器应用进行了优化。用于数字轨和超低噪声的高电流N-MOS输出和用于模拟轨的高PSRR P-MOS 低静态电流典型值。 100 uA 提高适合电池供电设备的效率 输出电压摆率控制 两次摆动速率选项允许为传感器应用选择正确的速度 极低压差140 mV,500 mA 最大限度地降低功耗并提高效率 超低噪音典型。 6.5 OUTV上的uVRMS 非常适合功率敏感设备 提供CSP6 1.2 mm x 0.8 mm 非常适合空间约束应用 应用 终端产品 相机传感器电源 图像传感应用程序 智能手机和平板电脑 相机和Camcoders IP摄像机 集成电源 电路图、引脚图和封装图...
发表于 07-30 06:02 8次 阅读
NCP156 LDO稳压器 500 mA / 250 mA 双输出 超低压降 低Iq 超低噪声

NCP3231A 高电流同步降压转换器

1A是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高可达25 A. 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 500KHz开关频率 需要小电感和少量输出电容 无损耗低端FET电流检测 良好的散热性能 0.6V内部参考电压 外部可编程软启动 输出o电压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电源良好指示灯 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...
发表于 07-30 04:02 26次 阅读
NCP3231A 高电流同步降压转换器

NCP3231B 高电流 1MHz 同步降压转换器

1B是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高可达25 A. 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 1MHz开关频率 需要小电感和少量输出电容 无损耗低端FET电流检测 良好的散热性能 0.6V内部参考电压 外部可编程软启动 输出ove r电压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电源良好指示灯 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...
发表于 07-30 04:02 16次 阅读
NCP3231B 高电流 1MHz 同步降压转换器

NCP3231 高电流同步降压转换器

1是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高25 A DC负载或30 A瞬时负载。 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 500KHz开关频率 需要小电感和少量输出电容 无损耗低 - 侧FET电流检测 提高效率 0.6V内部参考电压 外部可编程软启动 输出过压保护和欠压保护 使用热敏电阻或传感器进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电力良好输出 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...
发表于 07-30 03:02 16次 阅读
NCP3231 高电流同步降压转换器

NCP3232N 高电流同步降压转换器

2N是一款高电流,高效率电压模式同步降压转换器,可在4.5V至21V输入电压下工作,在高达15A的负载下可产生低至0.6V的输出电压。 特性 优势 4.5 V至21 V的宽输入电压范围 支持广泛的应用 0.6V内部参考电压 支持小电感和少量输出电容 500kHz开关频率 良好的散热性能 外部可编程软启动 无损耗低侧FET电流检测 输出过压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调输出电压 电源良好指标 内部过热保护 应用 终端产品 用于电信和网络应用的15A负载电源模块 蜂窝基站 电信和网络设备 服务器和存储系统 计算系统 电路图、引脚图和封装图...
发表于 07-30 03:02 8次 阅读
NCP3232N 高电流同步降压转换器

NCP186 LDO稳压器 1 A 超低压差 高PSRR 带使能

是一款超低压降稳压器,可提供高达1 A的负载电流,并在-40至85℃范围内保持1.0%的出色输出电压精度。工作输入电压范围为1.8 V至5.5 V,使该器件适用于锂离子电池供电的产品以及后调节应用。该产品提供多种固定输出电压选项,其他产品可根据要求提供,范围为1.2 V至3.9 V.NCP186具有完全的过热保护和输出短路保护。小型8引脚XDFN6 1.2 mm x 1.6 mm封装使该器件成为可能特别适用于空间受限的应用。 特性 优势 1.8 V至5.5 V工作输入电压范围 适用于锂离子电池或后期调节应用 多种固定输出电压选项及其他可根据要求提供1.2 V至3.9 V 设计灵活性 Typ的低静态电流。 90μA 延长电池寿命 极低压差:100 mV典型值。在Iout = 1 A(3.0V版本) 扩展电池范围 1 kHz PSRR时高75 dB 适用于噪声敏感电路 内部软启动 限制浪涌电流 在-40至85℃温度范围内的±1.0%精度 高输出电压精度 热关断和限流保护 保护产品和系统免受损坏 使用小型1μF陶瓷电容器稳定 节省PCB空间和系统成本 应用 终端产品 电池供电设备 便携式通讯设...
发表于 07-29 22:02 20次 阅读
NCP186 LDO稳压器 1 A 超低压差 高PSRR 带使能

NCP176 LDO稳压器 500 mA 超低压降 高PSRR 带使能

是一款超低压差稳压器,可提供高达0.5 A的负载电流,并在25°C时保持0.8%的出色输出电压精度。工作输入电压范围为1.4 V至5.5 V,使该器件适用于锂离子电池供电产品以及后调节应用。该产品提供3.3 V固定输出电压选项,其他电压选项可根据要求提供,范围为0.7 V至3.6 V.NCP176具有完全的过热保护和输出短路保护。小型6引脚XDFN6 1.2 mm x 1.2 mm封装使该设备特别适用于空间受限的应用程序。 特性 优势 1.4 V至5.5 V工作输入电压范围 适用于锂离子电池或后调节应用 几种固定输出电压可根据要求提供的选项和其他选项范围为0.7 V至3.6 V 设计灵活性 Typ的低静态电流。 60μA 延长电池寿命 极低压降:130 mV典型值。在Iout = 0.5 A(2.5V版本) 扩展电池范围 1 kHz PSRR时高75 dB 适用于噪声敏感电路 内部软启动 限制浪涌电流 室温下±0.8%精度 高输出电压精度 热关断和限流保护 保护产品和系统免受损坏 使用小型1μF陶瓷电容器稳定 节省PCB空间和系统成本 应用 终端产品 电池供电设备 便携式通信设备 相机,...
发表于 07-29 22:02 20次 阅读
NCP176 LDO稳压器 500 mA 超低压降 高PSRR 带使能

NCP171 LDO稳压器 超低50nA Iq 双电源模式 80mA

是双模式LDO,在ActiveMode中提供高达80 mA的电流,在低功耗模式下低至50 nA的Iq。双模式功能可通过ECO引脚选择,允许动态和低功耗模式之间的动态切换,非常适用于长寿命电池供电的无线应用。低功耗模式下的输出电压可降低50 mV,100 mV,150的内部工厂编程值相对于活动模式下的标称输出电压,mVor为200 mV。此功能进一步降低了睡眠模式下的应用消耗.NCP171采用SLIQ(超低Iq)LDO系列,具有50nA的超低静态电流,可用于小XDFN4 1.2 x 1.2包。 特性 优势 超低水平50nA 非常适合电池供电的应用 双模式功能针对主动模式和待机模式操作进行了优化 系统灵活地在两种不同的操作模式之间切换,优化性能和延长电池寿命 工作模式,高达80mA,具有出色的PSRR和噪声性能 非常适用于射频电源和高精度传感器 低功耗模式(SLIQ),50nA Iq 当系统处于扩展待机(低功耗)模式时延长电池寿命 模式选择,ECO Pin 灵活选择主动和低功率模式 XDFN 1.2x1.2包 空间受限应用程序的小尺寸 应用 终端产品 无线电池供电的物联网传感器 电池供电的医疗...
发表于 07-29 22:02 44次 阅读
NCP171 LDO稳压器 超低50nA Iq 双电源模式 80mA

AR1337 CMOS成像传感器 13 MP 采用SuperPD™PDAF技术

是一款采用SuperPD™PDAF技术的13万像素CMOS成像传感器。这款先进的传感器具有独特的PDAF微透镜和PDAF图案技术,在低光照条件下具有出色的自动对焦性能。采用1.1μm像素构建,提供符合行业标准的1 / 3.2“光学格式,使AR1337具有适合大批量设计的尺寸。图像质量由领先的量子效率和灵敏度驱动,同时保持低读取噪声。这种组合可在明亮的日光或低室内照明条件下提供出色的图像。 AR1337以每秒30帧的速度运行在13 MP,并支持每秒30帧的4k2k视频和高达每秒60帧的全高清1080P视频。 特性 优势 SuperPD™PDAF技术 领先的低光自动对焦性能 独特的PDAF图案和微透镜技术 高精度相位检测自动聚焦(PDAF)功能 片上坏像素校正和AF计算 简化的相机模块积分校准和与后端应用处理器的集成 具有低读取噪声的高量子效率和灵敏度 卓越的图像质量,尤其是在光线不足 应用 终端产品 智能手机相机 平板电脑相机 智能手机 平板电脑 电路图、引脚图和封装图...
发表于 07-29 17:02 33次 阅读
AR1337 CMOS成像传感器 13 MP 采用SuperPD™PDAF技术

AR1011 CMOS图像传感器 10 MP 1

HS是一款1080万像素,1英寸光学格式图像传感器,结合了高分辨率成像和3.4微米DR-Pix(动态响应像素),可动态调整以提供卓越的低光性能。在全分辨率下,AR1011HS提供60帧/秒(fps)视频;同时跳至120 fps的1080p高清模式。该传感器非常适合需要高分辨率的高端监控摄像系统,如电子平移,倾斜,变焦(ePTZ)等具有惊人的低光能力的功能。 4K超高清(3840 x 2190)分辨率为每秒60帧的模式,使传感器也成为专业消费类广播相机的理想选择。 应用 相机 安全 电路图、引脚图和封装图...
发表于 07-29 17:02 32次 阅读
AR1011 CMOS图像传感器 10 MP 1

AR0239 CMOS图像传感器 2.3 MP 1 / 2.7

美半导体的AR0239是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1936(H)×1188(V)。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0239可以产生非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 以90 fps的速度拍摄2.3Mp以获得出色的视频性能 小型光学格式(1 / 2.7英寸 1080p模式适用于16:9视频 卓越的低光性能 3.0um大背面照明像素技术 支持线路交错T1 / T2 / T3读数以启用HDR处理ISP芯片处于1080P和30fps 片上锁相环(PLL)振荡器 集成颜色和镜头着色校正 用于精确帧率控制的从模式 数据接口: - HiSPi(SLVS) - 4个车道 - MIPI CSI-2 - 4车道 - 平行 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 多相机同步支持 高速可配置上下文切换 具有灵...
发表于 07-29 16:02 101次 阅读
AR0239 CMOS图像传感器 2.3 MP 1 / 2.7

AR0543 CMOS图像传感器 5 MP 1/4

美半导体专注于卓越的像素性能,为该传感器的卓越图像质量奠定了基础,具有卓越的色彩精度,低光灵敏度和低噪声水平.AR0542是一款1/4英寸CMOS有源像素数字图像传感器集成了复杂的片上相机功能,如窗口,镜像,列和行跳过模式以及快照模式。它可通过简单的双线串行接口进行编程,功耗非常低。 应用 移动 电路图、引脚图和封装图
发表于 07-29 16:02 37次 阅读
AR0543 CMOS图像传感器 5 MP 1/4

AR0521 CMOS图像传感器 5.1 MP 1 / 2.5

是一款1 / 2.5英寸CMOS数字图像传感器,有源像素阵列为2592(H)x 1944(V)。它通过滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如分档,窗口以及视频和单帧模式。它专为低亮度和高动态范围性能而设计,具有线路交错T1 / T2读出功能,可在ISP芯片中支持片外HDR。 AR0521可以产生非常清晰,锐利的数字图像,并且能够捕获连续视频和单帧,使其成为安全应用的最佳选择。 特性 5 Mp为60 fps,具有出色的视频性能 小型光学格式(1 / 2.5英寸) 1440p 16:9模式视频 卓越的低光性能 2.2 m背面照明像素技术 支持线路交错T1 / T2读出以启用ISP芯片中的HDR处理 支持外部机械快门 片上锁相环(PLL)振荡器 集成颜色和镜头阴影校正 精确帧率控制的从属模式 数据接口:♦HiSPi(SLVS) - 4个车道♦MIPI CSI-2 - 4车道 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 应用 终端产品 视频监控 高动态范围成像 安全摄像头 行动相机 车载DVR 电路图、引脚图和封装...
发表于 07-29 16:02 73次 阅读
AR0521 CMOS图像传感器 5.1 MP 1 / 2.5

AR0835 CMOS图像传感器 8 MP 1/3

图像传感器是一款1 / 3.2“光学格式1.4微米像素传感器,能够以每秒42帧的速度捕获其完整的8 MP传感器分辨率,以60fps的速度捕获1080P视频.A-PixHS(tm )技术将安森美半导体的第二代背照式(BSI)像素技术和先进的高速传感器架构结合在一起,实现了许多创新功能。它旨在实现低z高度相机模块,以满足OEM和移动设备制造商的需求。 特性 高动态范围 应用 移动 电路图、引脚图和封装图...
发表于 07-29 16:02 34次 阅读
AR0835 CMOS图像传感器 8 MP 1/3

AR0522 CMOS图像传感器 5.1 MP 1 / 2.5 近红外增强

是一款1 / 2.5英寸CMOS数字图像传感器,有源像素阵列为2592(H)x 1944(V)。它通过滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如分档,窗口以及视频和单帧模式。它专为低亮度和高动态范围性能而设计,具有线路交错T1 / T2读出功能,可在ISP芯片中支持片外HDR。 AR0522可生成非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择。 特性 5 Mp,60 fps,优异的视频性能 小光学格式(1 / 2.5英寸) 彩色滤光片阵列:RGB和单色 1440p模式适用于16:9视频 卓越的低光性能 2.2 m背面照明像素技术 支持线路交错T1 / T2读出以启用ISP芯片中的HDR处理 支持外部机械快门 片上锁相环(PLL)振荡器 集成颜色和镜头着色校正 用于精确帧率控制的从模式 数据接口:♦HiSPi(SLVS) - 4条车道♦MIPI CSI-2 - 4车道 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 近红外线增强 应用 终端产品 视频监控 高动态范围成像 机器视觉...
发表于 07-29 16:02 48次 阅读
AR0522 CMOS图像传感器 5.1 MP 1 / 2.5  近红外增强