预约展示 > 见以往机器
不可见者
借助Metavision®的神经拟态传感器,
我们可以实现传统摄像机无法企及的功能
——大幅提高生产率、质量、安全性和预测性维护。
加入8000多名Prophesee社区成员,
共同构建机器视觉的未来
购买

过万行业专业人士信赖

无动态残影

无曝光时间

>120dB

动态范围

高速

等效帧率>10000FPS

0.08 Lux

弱光切断

1280×720像素

分辨率

无需快门

既不是全局快门也不是滚动快门:异步像素激活

为您的工业设备提升价值

提高生产力

通过以每秒1000个对象的速度进行计数和测量,从而提高您的工作效率,并以每秒1000个对象的速度进行缺陷检测,同时将所需处理的数据量减少100倍。

高超的质量管理

先进处理方法的实时反馈回路降低废品率,时间分辨率低至5us,使用高清无异步事件输出(即OCR)进行高速识别。

预防性维护

检测机器故障的早期迹象:拥有测量振动频率从Hz到Khz的独特能力,可以预测预测性维护的异常情况,最大限度地减少备件库存和机器停机时间。

MONITORING + SAFETY

实时监控工人和机器相互作用的区域,以达到新一代安全水平,不需要捕获图像,即使在复杂的照明环境中也可正常运作。

降低复杂性和成本

简化– Metavision®传感器不基于帧,拥有低数据速率和高动态范围,在低光照场景中可保持灵敏。这些特性可以简化以往繁琐的检测过程,为您免除视觉采集和处理管道中的帧抓取器、工业pc和定制照明设备

一种传感器,多种应用

飞溅监控

典型应用案例:传统铣削,激光和过程监控,质量预测

跟踪具有类似飞溅运动的小颗粒。事件视觉传感器的高时间分辨率动态范围,可以在最困难和最苛刻的环境中跟踪小颗粒。

高达 200kHz 跟踪频率(5µs时间分辨率)

全部粒子的XYT维度同步跟踪

物体追踪

典型应用案例:​​​零件取放-机器人引导-轨迹监测

追踪视野中的移动物体,利用事件视觉传感器具备的低数据率和稀疏化特性,在低算力条件下跟踪物体。

时间上的连续跟踪:在先后拍摄到的两帧之间不再有 “盲点”

原生分割: 只分析运动,忽略静态背景

流体动力学监测

典型应用案例:​​食品饮料、石油天然气、生物工艺中的连续液体流量监测

使用基于事件的光流实时执行流体监测,并分析由于残留物积聚、斑点污染物或不需要的空气或气泡而产生的不需要的动力学。

关于流体健康和行为的实时反馈。 不再需要等待化学分析来发现影响产量的工艺中断

光流事件只允许实时响应

振动监测

典型应用案例:运动监控、振动监控、预测性维护的频率分析

通过跟踪场景中每个像素的时间演变,连续远程监控振动频率,具有像素精度。对于每个事件,像素坐标、变化的极性和准确的时间戳都被记录下来,从而提供对振动模式的全面、连续的理解。

从1Hz到kHz 范围

1 像素 精度

粒子/对象大小监控

典型应用案例:高速计数,批量均匀性和测量

控制、计数和测量在通道或传送带中高速移动的物体的大小。

在您的生产线获得即时质量统计,以控制您的过程。

高达 50万 像素/秒的速度

99% 计数精度

EDGELET跟踪

典型应用案例: 高速定位,引导和安装取放

跟踪3D边缘和/或AR/VR应用中的基准标记。受益于事件的高时间分辨率,以提高边缘跟踪应用程序的准确性和鲁棒性。

有几何先验的自动三维物体检测

三维物体实时跟踪

没有看到合适的用例?
我们的专家团队可以提供访问其他特权内容库的权限。
联系我们 >

PROPHESEE METAVISION® 技术

感知

 

受人类视网膜的启发,Prophesee自主研发并拥有专利的传感器产品,由一系列具备内置计算能力的像素点构成,每个像素可独立工作

 

软件

 

基于事件的软件包提供了超过95种算法、67个代码样本和11个即用型的应用程序。这一软件屡获殊荣,是迄今为止业界广泛的选择

 

缩短运算时间

大量的文档资料和支持服务

通过购买EVK,您可以获得2H高级支持以及访问我们的知识中心的特权,其中包括110多篇相关文章、应用说明、深入的技术发现材料和详细的逐步指南

荣获五十余项大奖的基于事件的视觉软件套件

基于事件的软件包提供了超过95种算法67个代码范例11个即用型的应用程序,可供您构建自己的事件视觉传感器。立即开始免费使用全面的基于事件的Vision软件工具包

开源架构

METAVISION SDK基于开源架构,使得软件和硬件设备之间完全兼容,并打造了一个快速增长的基于事件的社区

准备就绪

从我们的评估套件开始,体验Prophesee与工业合作伙伴Century Arks,合作赋能的领先级产品 Imago, Lucid, MVTec以及刚刚问世的Datalogic, CIS, iCatch等产品,主力您的工业生产过程。

行业新闻

PROPHESEE 携手 AMD,推出业界首款兼容 Kria™ KV260 视觉 AI 入门套件的事件视觉解决方案

PROPHESEE 携手 AMD,推出业界首款兼容 Kria™ KV260 视觉 AI 入门套件的事件视觉解决方案

PROPHESEE 携手 AMD,推出业界首款兼容 Kria™ KV260 视觉 AI 入门套件的事件视觉解决方案基于 Prophesee Metavision® 事件视觉传感器和 AI算法在性能、功耗及速度上的优势,开发人员现可打造支持 AMD 平台的全新一代边缘 AI 机器视觉应用。2024 年 5 月 30 日,中国上海——领先的神经拟态视觉传感公司 Prophesee 宣布,其Metavision® HD 事件视觉传感器和 AI 算法现已支持 AMD Kria™ KV260视觉AI入门套件(AMD Kria™ KV260...

了解更多
PROPHESEE Metavision® 智能手机影像去模糊解决方案可投入量产,针对第三代骁龙 8 移动平台全面优化

PROPHESEE Metavision® 智能手机影像去模糊解决方案可投入量产,针对第三代骁龙 8 移动平台全面优化

PROPHESEE Metavision® 智能手机影像去模糊解决方案可投入量产,针对第三代骁龙 8 移动平台全面优化在世界移动通信大会(MWC)上,基于与高通多年的合作沉淀,Prophesee 展示了新一代无模糊的手机摄影技术。目前客户可将该技术集成到支持第三代骁龙 8 移动平台的设备中。2024年2月27日,中国上海——领先的神经拟态视觉传感公司 Prophesee 今日宣布,与高通技术公司的合作进入可量产阶段。在巴塞罗那世界移动通信大会(MWC)期间,Prophesee...

了解更多
合作动态|Zinn Labs推出基于PROPHESEE事件视觉传感器的视线跟踪系统,为AI智能镜框和VR/MR系统赋能

合作动态|Zinn Labs推出基于PROPHESEE事件视觉传感器的视线跟踪系统,为AI智能镜框和VR/MR系统赋能

Prophesee 合作伙伴 Zinn Labs 推出基于事件的眼动追踪系统,为人工智能镜框和 VR/MR 系统赋能突破性的基于事件的眼动追踪系统利用 Prophesee 事件视觉传感器的超低功耗和低延时特性,将用户体验提升至新水平2024 年 1 月 30 日,加利福尼亚州门洛帕克市 – 今天,Zinn Labs 推出业内首款基于事件的眼动追踪系统,适用于 VR/MR 头显和智能镜框。事件传感技术的核心功能是超高速、低功耗地捕捉眼动追踪的相关信号。Zinn Labs 首席执行官 Kevin...

了解更多

常见问题

与传统成像相比,基于事件的元视觉传感的主要优势是什么?
我需要EVK才能起步吗?

评估工具包或基于事件的视觉设备并不一定是您探索新一代机器视觉的必需品。您可以从 Metavision Studio开始,尝试与我们提供的录像进行交互。

我能从传感器得到什么数据?

传感器将输出连续的数据流,包括:

  • X和Y坐标,表示被激活的像素在传感器阵列中的位置
  • 极性,即被激活的事件是否对应于正(暗到亮)或负(亮到暗)的对比变化
  • 时间戳“t”,以微秒分辨率精确编码事件产生的时间

如果您了解更多信息,请查看我们关于基于事件的概念和事件流和解码的页面。

了解更多

你怎么能做到“无模糊”?

图像模糊主要是由于相机或被摄体在曝光过程中的运动造成的。当快门速度太慢或动作太快时,就会发生这种情况。

使用基于事件的传感器,没有曝光,而是在检测到照明变化时由每个像素独立触发的连续“事件”流。因此没有模糊。

除了事件之外,我还可以获得图像吗?

您不能直接从基于事件的传感器中获得图像,但出于可视化目的,您可以从事件生成帧。

要做到这一点,事件将在一段时间内(通常是帧周期,例如50 FPS的20ms)累积,因为在精确时间T(微秒精度)发生的事件数量可能非常少。

然后,可以首先用背景颜色初始化帧(例如白色),并且对于帧期间发生的每个事件,像素存储在帧中。

我可以用提供的软件许可证做什么?

该套件是在商业许可下提供的,允许您免费下载、使用、构建甚至出售自己的商业应用程序。点击此处阅读许可协议。

帧率是多少?

没有帧率,我们的Metavision传感器既不是全局快门也不是滚动快门,它实际上是无快门的

这代表了一种新的机器视觉类别,该类别由专利传感器设计实现,该设计将每个像素嵌入智能处理,使它们能够在检测到变化时独立地激活自己。

事件一旦生成,就会逐像素连续地发送到系统,而不再以固定的速度发送

动态范围怎么会这么高?

我们事件视觉传感器的像素包含以对数尺度检测光照变化的光感受器。因此,它可以自动适应低光和高光强度,而不会像传统的基于帧的传感器那样使传感器饱和。

我有现有的基于图像的数据集,我可以用它们来训练基于事件的模型吗?

是的,你可以利用我们的“视频到事件模拟器”这是一个Python脚本,允许您将基于帧的图像或视频转换为基于事件的对应对象,然后您可以使用这些基于事件的文件来训练基于事件的模型。

了解更多

开始您的探索

荣誉