月度归档:2016年09月

无人机如何在低功耗前提下实现超远距离图传 | 硬创公开课

大疆Mavic

大疆新品Mavic的“7公里图传”让人睁大了眼,惊讶之余人们都对无人机远距离图传产生了兴趣,无人机想要做超远距离图传究竟需要什么样的技术呢?图传的距离和功耗在无人机上如何进行平衡?技术实现上有什么样的难度?为了解决这些问题,我们邀请了上海大楚电子创始人兼CEO、上海后洪电子创始人汪东为我们讲述“无人机图传的那些事”。以下是汪东在硬创公开课的演讲摘编。

无线传输途径和特点

途径

实现超远距离有很多选择,可以是有线的,也可以是无线的。在一般情况下,肯定是有线传输更加的远,上万公里传输都是可以的。拿语音传输来说,当面对话靠声波传输,虽然声波传输距离很短,但是不借助高科技手段也是可以的(比如我们上学时候学的“纸杯电话”)。而图像的话就必须要通过现代通讯手段才行,比如光纤。

电磁波的频率

提到现代通讯手段,就要讲到电磁波频率,通常来说,电磁波频率越低传播越远。比如军事活动所需要的保密通讯电话的传输,就属于超短波频率,传输比较远,地面通讯一般使用这种频率(对讲机等)。而一些需要中继传递的通讯方式(通过中继塔台等)用的是短波,短波就比超短波频率更低,能传播的更远,几百公里上千公里都是可以的,比如VOA的电台用的就是短波频率。

远距离传输肯定是数据量越窄传播的越远,发射功率越大灵敏度越高,由此就涉及到了功率的问题。

功率

想要超远距离发射信息,功率越大发射越远。像那些架在高的地方的电视塔都是功率几千瓦甚至上万瓦的。举个简单的例子,比如广播通过塔台发射之后,很大面积地区都能收到广播,这个功率肯定小不了,电视工作者如果暴露在发射设备下那么对身体的伤害是非常大的。

北京广播电视塔

综上,各种运营商的设备同理,他们加大基站或者塔台的功率,都是为了传的更远。

带宽

带宽语音一般来说都是3K左右,因为普通人说话3K就够了,如果能够压缩的话几百K就够了,所以语音的传输带宽是非常小的。而现在无人机的带宽都是以M起步,这对远距离传输的挑战就大了很多。传输距离取决于灵敏度,根据香农公式,带宽增加十倍,灵敏度就下降十倍,所以带宽对于无线传输来说是很珍贵的。

图像传输的特点

图像传输跟普通信号传输相比特点还是比较鲜明的:

1、图像传输的特点是数据量太大了。TXT等文件通常都是几K起步,而图像数据量就大得多,比如iPhone随意照张照片就要几M了,所以需要的带宽要很高。


2、图像传输不能有时延,跟大家看电影一样,有卡顿就不能忍受了,此外,我们看电影,高清图像就很爽,模糊就受不了。

综上,无人机传输的特点就是,数据量大,延迟要求要低。这都是无线传输最难管控的地方。

无人机超远距离传输的要求

上文说过,图像传输的特点是图像质量要求高,实时画面监控延迟要低,除了这两点外还有一些问题:

因为无人机是便携设备,所以它的功率不可能非常的大,所以传输功耗要小,但是功耗小与距离远就是矛盾的。

另外,无人机传输要抗干扰能力强,因为无人机经常要在人群密集或者有电磁干扰等环境复杂的情况下进行工作,这样难免传输会受到外界影响,这也是个问题。

世界上对无人机传输也有相应的标准,这些标准也对无人机传输有了一些限制。

传得远首先要过功耗功率这一关。世界上对无人机有功耗标准的规定,比如欧洲要过CE,美国要过FCC,无人机标准涉及无线通讯方面就是EMC电池兼容方面的要求、功耗和发射功率不能超过多少等等。比如大疆精灵4的CE要求是20 、FCC要求23,最新的产品御CE要求23、FCC要求26,这些都给无人机的传输进行了限制。  


除了这些要求还有电池的发展局限性,这个是个传输以外的问题,在这里就不多谈了。

大疆精灵4

综上,无人机远距离传输的要求,总结来说就是:质量要高,功率要低,抗干扰能力要强,传输距离要远,国家法律法规的限制以及电池技术的发展。

距离与功耗的平衡

说了这么多要求,就要讲一下,无人机远距离传输最重要的一点,也就是距离与功耗的平衡。

根据香农公式,距离和带宽有关系,距离远带宽就要窄,之所以限制很多飞行设备都在用一些快要淘汰的调制技术(比如飞机要调幅波),就是需要平衡传输距离和功耗之间的关系。

我需要传得远,那么功率就要大,但是政策上有规定功率功耗不能大,唯一可以改善的就是信道信源相关的技术,也就是无限通讯最重要的技术。

在同样的功耗、其他部件减轻、电池优化的情况下,把带宽压缩,不要把图像完全无失真的去传输,才能保证距离与功耗相对的平衡。当然,这个就是要根据研发的水平来了,拿大疆举例,无人机需要30分钟续航,那么电池就确定了,体重也确定了,发射功耗确定了,要提高距离就要优化无线传输的技术,目前那些技术是用在无人机图传方面的技术呢?

Mavic实时图传

无人机图传技术

先用形象的方式介绍几个名词(学通讯相关的同学可以跳过这一部分):

信道:通信系统中传输的通道,好比是高架桥。

信源:信源是产生各类信息的实体,好比是载满水泥的大卡车。

编码:好比是快递与打包,为了传输过程中有无损坏。

扩频:是一种信息处理改善传输性能的技术,好比是八路,隐蔽性高、抗干扰能力强。

调制:好比是新的交通工具,减少传递步骤。

具体来说,图传就是要把一个东西准确、快速的从一个地方传递到另一个地方,要抗干扰,还要抓重点。所以信源和信道就要改善,关于信道技术就是抓重点的基础,比如目前常见的MPEG-2、MPEG-4等技术,简单地说就是把图片的重点压缩,抓住重点传输。信道编码就是为了减少码元数率,减少带宽占用,因为传输跟带宽有关系,抓住重点可以避免浪费功率。

目前无人机图传主流的技术由OFDM、WiFi等。

OFDM

在技术上,目前很多无人机喜欢用的传输技术为OFDM,是多载波调制的一种,该技术更适合于高速数据的传输,OFDM有很多优势,比如在窄带带宽下也能够发出大量的数据、能够对抗频率选择性衰落或窄带干扰等等。

但是,OFDM也有缺点:

载波频率偏移

对相位噪声和载波频偏十分敏感

峰均比比较高

所以把这三个缺陷瓶颈解决掉才是完美的技术。

WIFI

除了OFDM之外,很多厂家也都在使用WiFi技术,可能WiFi说出来让人感觉很低端,其实不是这样的,WiFi技术也在不停的进步。

WiFi传输是具有高性价比的无人机图传使用最广泛的技术,但是因为WiFi在技术上有很多限定,且不可修改的,并且很多厂家都是拿来方案直接搭建,所以其缺点也十分突出:比如芯片设计成什么格式就是什么格式的,无法修改,技术比较固化;干扰管理策略实时性不强;信道利用率比较低等等。

另外WiFi传输还有跟物理层的衔接不紧密的缺点,导致反应不迅速,传输时延较大,最多有秒级的时延。

在FPV模式下更需要低时延才行

说到时延,端到端的时延主要有以下几个方面:

高层组包时延

高层到物理层的时延

时隙资源分配机制导致的时延

传播的时延

物理层处理时延,解调解码等

高层处理时延

这两种图传方式应该是目前无人机图传的主流。

其实总体来说,无人机远距离传输其实就是距离和功耗之间的平衡,其中还涉及了很多调制技术,比如用扩频来提高抗干扰能力、信道信源技术的优化等等。大疆以前是使用的WiFi技术,现在用的是软件无线电SDR,软件无线电其实只是一个概念,其实里面的技术还是OFDM传输技术,它也不比WiFi高明太多,只不过大疆自己优化了系统,更适合它的无人机,所以7公里图传虽然听上去特别牛,其实是功耗和距离平衡之间的传输以及传输技术的调制掌握的比较好。

雷锋网

摩拜单车完成超1亿美元C轮融资,与ofo开启资本游击战

9月30日,有消息称摩拜单车已完成超过1亿美元C轮融资:本轮融资由高瓴资本、华平投资集团领投,包括红杉资本、启明创投和摩拜单车早期投资方等多家机构跟投。对此摩拜官方未予置评。

摩拜单车于去年8月正式发布,短短一年时间已相继完成3轮数千万美元融资。2015年10月完成愉悦资本领投数百万美元A轮;2016年中下旬完成熊猫资本领投、愉悦资本跟投千万美元级别融资;B轮之后,摩拜又迅速获得了创新工场的B+轮投资。如果此轮融资属实,这将会是摩拜单车一年内的第4轮融资。

对于摩拜着急追加融资的意图非常明显,一方面持续扩张版图需要大量投入,另外也需要面对来自对手ofo的压力。

前几日,摩拜在国内的最大竞争对手ofo共享单车刚刚完成滴滴出行领投数千万美元的C轮融资。ofo“不生产自行车,只做自行车的搬运工”的基因与滴滴类似,两者的结合让这个还未走出校园的小黄车轰动一时。

滴滴和ofo的牵手也有历史原因:ofo在本次C轮融资前已经完成5轮,滴滴的天使投资人王刚A轮投了 ofo 1000万人民币;滴滴A轮投资人金沙江创投是ofo A轮的领投方;快的(已并入滴滴)的投资方经纬则是ofo B轮融资的领投者。很多投资方的交叉让ofo有了天然的优势。

摩拜单车的投放数量远低于ofo,ofo上线至今已在全国20个城市投放近7万辆共享单车。而摩拜刚刚进入广州市场,目前在北京和上海的投放量不到2万。恰好在今日,摩拜正式在浦东投放,此前他们表示计划在上海投放10万辆,做到每100米就有一辆摩拜单车。

由此可见摩拜正在扩张中。互联网企业具有天然的竞争性和垄断性,一旦现金流不够支撑其发展速度就会瞬间被对手抢先。虽然开始摩拜单车与ofo的目标市场和运作模式有些不同,但是仅仅1、2个月,他们过多被并肩比较导致竞争已经无法避免。

ofo随时准备走出校园向社会开放,规模的形成和资本的进入,把共享单车出行推到了舆论的顶峰。我们似乎看到了几年前优酷土豆、携程去哪儿、58赶紧、美团大众点评以及滴滴、快的、Uber的样子。

PS:本篇内容来自雷锋网旗下栏目「新智驾」,欢迎微信添加「新智驾」订阅公众号。

雷锋网

NASA壁虎机器人,在太空也要飞檐走壁!


“对于太空的探索总是充满奇趣与挑战。”

太空探测时,航天器有时会突然地剧烈抖动,无论是被飞驰的太空岩石击中,还是控制系统被宇宙射线扰乱,即便是其他情况,宇航员也一定想要有个可以抓住的东西。NASA 喷气推进实验室,更具体来说是它下属的行星机器人实验室,正在尝试制造一种机器,可以在太空探测过程中,在可能遇到的各种复杂表面上产生一个抓力。

要在太空环境中产生这个抓力,会存在几个问题:

  • 首先,机器人通常要避免不平整的表面,更何况是在火星上随处可见的那种悬崖绝壁上。

  • 其次,太空是一种挑战地心引力的环境。 “在零重力下,连在表面推动一个磁带都很困难。”喷气推进实验室的机器人电气工程师 Jaakko Karras 说道。

  • 而且无重力的情况下是违反牛顿第三定律的,你很难在地面站稳。对于每一个动作,都有一个相等的反作用力。所以当你用力时,也会有同样大小的力将你推开。

这不只是微重力的问题。在低重力环境下,如小行星或彗星,也不适用。 “如果你想要做一些取样工作,一开始钻探,你就有可能随着钻头钻入地面而旋转起来。”Karras 说。

“自然总是能解决我们周围的问题。”

Karras 说:“一个常见的方法就是仿生学。”当 Karras 和他的团队在垂直的岩壁上测试攀爬机器人时,蜥蜴恰好从旁边爬过。但就是这个迅速爬过的小壁虎,让Karras 决定从进化论中寻找攀爬机器人设计的线索。他团队制造的胶粘剂利用范德华力,这是壁虎能在光滑表面攀爬的原理。为了应对那些凹凸不平的情况,他的团队制造了可以弯曲伸缩的microspines 抓手。 

基于壁虎原理的胶粘剂和 microspines 抓手在深层太空中的应用前景很好。基于壁虎原理的粘合剂已经在国际空间站中开始进行测试。现在,宇航员能用它来把一些东西固定在内饰板上。但 NASA 考虑把它作为 Velcro 魔术贴的替代品,它不会粘到灰尘或毛发,避免影响国际空间站脆弱的环境。而 microspines 抓手则是作为 NASA 小行星重定向任务的重要组成部分:机器人的小尖触会用于抓取小行星的岩砾,并把它存入我们周围的月球轨道。

Karras 还希望在今后的任务中能使用 microspines 的垂直攀爬技术来探索火星洞穴和熔岩隧道,因为这些地方曾有液态水储存,而且一般都有遮蔽物,处于低辐射区域。这些都有助于发现过往有过生命迹象的可能性。

“所以,如果我们在未来几十年中发现了火星人,那么你也许还要感谢壁虎。”

via Wired

推荐阅读:

我们采访了大疆产品技术总监:Mavic之后还有Phantom 5吗?

苹果在华首家研发中心总投资3亿元,落户北京中关村朝阳园

雷锋网

谷歌开放机器学习平台,惠及全球开发者

engadget 

过去,机器学习是只有少数精英才有机会掌握的高尖端技术。但随着各大科技公司先后开放自己的机器学习平台,越来越多的人能将这些先进技术运用在自己的项目中,大家的共同努力也使机器学习变得越来越聪明。

在这些公司中,谷歌无疑是开放机器学习平台的引领者。而谷歌真正痴迷于机器学习,是从 2015 年末开始。

  • 2015 年 11 月,谷歌宣布将会开源最新的机器学习系统TensorFlow。

  • 2016 年 3 月,谷歌母公司 Alphabet 董事长 Ericguge Schmidt 宣布,谷歌将面向开发者开放云端机器学习平台。

  • 7 月,公司宣布开放一个新的云端机器学习平台 Cloud Natural Language API ,开发者能分析在自然语言中的情感、语法等,是强大的文本分析工具。

  • 今日,谷歌宣布,将会在 Docs 上应用最先进的学习方法。

现在,谷歌的机器学习平台已经对所有人开放,任何有需要的人都可以获取这一资源应用到自己的项目中。

速度快和使用方便是谷歌算法真正出众的地方。为了使更多的人使用谷歌算法,公司还建立了机器学习先进解决方案办公室( Machine Learning Advanced Solutions Lab ),帮助谷歌工程师们解决一些技术上的疑难杂症。它还专为企业建立了一个云启动程序,企业可以通过这个平台学习公众云的基础知识,并且学会在什么时机实施机器学习最好。

谷歌博客最近发布了一篇文章,讲述了客户 Airbus Defense and Space  如何通过谷歌的对卫星图像进行探测和纠错。在博客中我们可以看到  Airbus 的员工对使用谷歌机器学习系统的感受。

它提高了图像成型的精确度和速度。这些问题已经困扰我们几十年了,现在终于得到了解决。

谷歌对于开放机器学习所做的努力实在惠及到许多的初创公司和企业用户。可以预见,未来还会有更多人从此受益。

延伸阅读:

涨姿势!如何评价Google神经机器翻译(GNMT)系统?

谷歌发布视频界的 ImageNet ,这可能是史上最大的数据集了

讲真,谷歌无人驾驶汽车“钱”途在哪?

雷锋网

MegaBots 为世纪大战做最后彩排!血肉横飞、画面残暴不敢看


大家都还没忘记去年美国 MegaBots 跟日本水道桥重工(Suidobashi Heavy Industry)定下的决斗之约吧? 雷锋网在此前做过相关报道。

9 月 14 日,美国代表队 MegaBots 发布了关于此次“华山论剑”的“第一季预告片”视频。MegaBots 在宣传片中为“USA ! USA !”摇旗呐喊,使得这场战斗不仅仅成为两个机器人公司之间的比拼,更上升到了两个国家之间的荣誉之战。

眼看离决斗日期越来越近,为了应对这场“世纪之战”,MegaBots 已经开始接受残暴测试。该公司甚至还研发了一个假人 Randy ,让它坐在驾驶舱内接受攻击,为高达之战做彩排。

近日,MegaBots 在 YouTube 上发布了最新视频,向粉丝们分享了研发成果。

视频中的机器人重 6 吨、高 15 英尺,是个超级大块头。

Randy 坐在驾驶舱内,正接受加农炮和大铁球的强大攻击。场面血腥,胆小者慎入!

Megabots 的机器人在安全保护措施中,如何保证驾驶舱里的人不受伤害是重中之重,因此本次测试的重点之一也是考验驾驶舱的坚固性。MegaBots 团队表示,如果他们想要坐在里面跟另外一个巨型机器人决斗,那么就必须要确保坐在里面的人不会受到伤害。(这也是为自己的安全着想嘛~)

最后,在炮弹和大铁球的轮番攻击下,Megabots 的机器人终于被击倒在地。研究人员都忍不住为它欢呼,整个测试的过程让人血脉贲张!

Kuratas 外貌。是不是超级酷!

2012 年,日本水道桥重工公司制造出了世界上第一个超大型的机甲机器人 Kuratas ,简直像是直接从《机动战士高达》里蹦出来的一样,令全世界的机甲战士粉丝们都为之颤动。除此之外,水道桥公司还制作了不少 Kuratas 战机及周边产品,向全世界机器迷们售卖。

MegaBots 也是个大块头

2015 年 6 月 30 日,美国 MegaBots 公司推出了一个巨型机器人的初代机,还公开发布视频,向水道桥“下战书”,誓与 Kuratas 机器人进行一场世纪大决斗。

随后 Kuratas 爽快应战。这场高达大战牵动了数万粉丝的战斗之魂。

MegaBots 正在寻找对此赛事感兴趣的举办国家,未来还可能还将这种赛事定为锦标赛。说不定,这将会成为机器人届的华山论剑呢。

虽然,这场大赛的日期尚未确定,从残暴测试可以看出,MagaBots 很重视这场 PK,已经做好了充足的准备。面对 MagaBots 的挑战,不知道日本水道桥重工机器人 Kuratas 又会出什么样的绝招呢?

 Via cnet

感兴趣的来看看这个暴力测试的视频嘛~

链接戳这里

推荐阅读:

高达之战即将开始!美日巨型机器人“贴身肉搏”,谁将最终获胜? | 新智造

日本超废柴机器人大战,技术太强被扣分,笑到肚子疼

雷锋网

人脸识别变身看片神器,助宅男用图片来搜色情主播

近日,一家色情直播公司推出一项全新的宅男必备功能:成人版以图搜主播。用户可通过上传照片来选择和照片中的人长相相似的色情主播。

Megacams 的宣传文案如下:

每个人心中都有一个特别的人,他们希望在平台上找一个面容相似的人满足他们的幻想。然而,文字搜索并不便捷,还好我们有图像技术,人脸识别就是寻找他/她的最好解决方案。

官方介绍称,Megacams 的主播库有 180000 人 ,平均 5000 人会同时在线。用户只需上传一张人像照片,Megacams 就会根据人脸识别技术寻找与照片相似的主播,同时还会给出相似度。

出于对用户隐私保护,Megacams 不会储存任何用户上传的照片,搜索出结果后,照片就会自动删除。

当然,这里面有个严重隐私问题是,假如你试着拿着自己朋友的照片搜,万一真搜出她本人岂不尴尬了。在方便用户的同时,使得主播的隐私难以得到保障。

充满好奇心的用户借此机会去尝试,但发现目前的匹配度并不高。其中有用户上传了自己的照片:

而搜索结果如下:

相似度最高的主播分别为 46%,42% 和 40%。

匹配度不高有几个原因:

首先是用户上传的图片质量问题:如不高清,像素模糊均会使得识别结果有偏差。

其次是主播人数有限,使得可匹配的图库不超过 2 万,基数较低。

最后是用户上传照片过少:如果用户上传固定某一个人的照片越多(如某个人 100 张高清 、360 度无死角、各种表情的照片),则越有利于 Megacams 对这个人的脸部特征进行提取,使得 Megacams 愈加全面丰富地掌握人物外貌信息从而更精准地匹配主播。

其实 Megacams 的算法其实与谷歌、百度的以图搜图功能原理相似,大致如下:

  • 人脸检测:找到图像中人脸所在的位置。

  • 脸部特征点定位:包括眼球中心点、脸颊等轮廓特征点。

  • 人脸几何归一化:根据脸部特征点位置从图像中得到归一化的人脸区域图像,这一步主要是使得不同人脸上的像素对应的人脸位置一致。

  • 人脸特征提取提取,将高维的人脸特征映射到分类能力更强的低维特征。

  • 计算两个脸得到的鉴别特征之间的距离,作为相似度衡量。

人脸识别算法在近年来虽然有着很大的提升,但智能度仍旧有所欠缺。目前以图搜图在寻找同一个人时表现优秀,但搜索相似的人还存在一定的问题。“相似”这两个字本身就具有人类的主观色彩,因此仅仅通过特征提取和关键点定位来得出相似度,还差些火候。

相关阅读:

人脸识别新应用场景:不让一个未成年人进入网吧

深度学习在人脸识别中的应用——优图祖母模型的“进化”

华盛顿最新研究:人脸识别算法在面对100万陌生脸谱时能做到何种地步

雷锋网