- ホーム
- 革新的ソフトウェア
- マルチセンサーセンシング & フュージョン
マルチイメージセンサーの融合：イメージの本質を再定義
Abilityの革新的なマルチレンズカメラソリューションは、比類なきイメージング能力を提供します。驚異的な180/360度パノラマ、高度な複合イメージセンサー融合技術、そして正確な深度検知立体画像を実現します。
主な特徴：
- 180/360度パノラマ: 没入感のある驚異的なパノラマ映像を簡単に撮影可能。
- 複合イメージセンサー融合: 複数のイメージセンサーから取得したデータを組み合わせ、画像品質や深度認識を強化します。
- 深度検知立体画像: 正確な3Dモデルを作成し、拡張現実（AR）や仮想現実（VR）などの革新的なアプリケーションを実現します。
- 多様性: 写真撮影から工業検査、科学研究に至るまで、幅広い用途に対応します。
応用分野：
- 写真撮影: 驚異的なパノラマ画像や映像を撮影し、クリエイティブな表現に活用します。
- 仮想現実（VR）および拡張現実（AR）: 正確な深度認識と3Dモデルを利用し、没入型体験を創造します。
- 工業検査: 高精度なイメージングで詳細な検査や測定を行います。
- 科学研究: 環境モニタリングやロボット工学など、多様な科学分野のデータ収集を支援します。
動的リアルタイム画像スティッチング：イメージ技術の未来
Abilityの革新的な動的スティッチング技術は、イメージング分野における画期的な突破口です。スティッチング領域を複数の小さなセグメントに分割することで、アルゴリズムがカメラ内部で直接画像をスティッチングし、煩雑なPCやアプリケーションの後処理を不要にします。
主な利点：
- リアルタイムスティッチング: 撮影後すぐにスティッチング画像を楽しめます。
- シームレス処理: スティッチングはカメラ内部で完了し、ワークフローを簡素化します。
- 画像品質の向上: 高度なスティッチングアルゴリズムが高品質かつシームレスなパノラマ画像を実現します。
- 市場多様化対応: 幅広いカメラモデルとアプリケーションに対応します。
動作原理：
- 画像分割: スティッチング領域を複数の重なり合ったセグメントに分割します。
- リアルタイムスティッチング: アルゴリズムが各セグメントを順次処理し、即座にスティッチングします。
- 最適化: 高度な最適化技術がシームレスな変換と高品質な結果を保証します。
応用分野：
- 写真撮影: 壮麗なパノラマ風景、都市景観、グループ写真を撮影します。
- 映像撮影: 没入型の360度動画を作成し、VRやソーシャルメディアに対応します。
- 監視: 単一のパノラマビューで広範囲エリアを監視します。
- 工業検査: 大型構造物や設備の検査を容易に行います。
視野の制限を突破し、没入型360°パノラマを構築
従来のスティッチング技術は計算が遅く、画面の歪みを引き起こし、視聴体験に悪影響を与えていました。Abilityの独自の動的アルゴリズムは、異なる距離にある物体の視差をリアルタイムで分析・補正し、自然でシームレスなスティッチング画像を保証します。
主な利点：
- リアルなシーン再現: 人間の目で見たような自然な画面を提供します。
- シームレスなスティッチング: スティッチング痕跡を排除し、没入型の視聴体験を提供します。
- リアルタイム処理: 高速にパノラマ画像を生成し、さまざまな用途のニーズに対応します。
- 応用シーン: バーチャルリアリティ、ライブ配信、会議室、展示会場など。
複数画像スティッチングにおける画像差異処理
複数の画像を1枚のパノラマ画像にスティッチングする際、異なる画像間の差異をどのように処理するかが重要な課題です。これらの差異は主に以下の2つの要因から発生します：
Disparties
- 視角差異: 各イメージセンサーが異なる角度からシーンをキャプチャすることで、記録される環境情報が異なります。
- センサー/レンズの公差: センサーやレンズの個体差によって、画像品質や色表現に差異が生じます。
そのため、単一の画像画質調整を超えて、より複雑な方法でこれらの差異を処理する必要があります。
画像差異処理の主要な考慮点：
- 特徴点に基づくアライメント: 複数画像の対応する特徴点を正確に一致させ、共通の参照フレームを構築します。
- 色調整: すべての画像の色表現を一致させます。
- 露出補正: 異なる光条件に対応するため、露出レベルを調整します。
- シームレスな融合: 画像間で滑らかな遷移を作り、目に見える継ぎ目を最小化します。
これらの要素を慎重に処理することで、高品質のスティッチング画像を得ることができ、元のシーンを正確に再現できます。
事前補正：スティッチング品質向上の鍵
異なるレンズで撮影された画像におけるエッジ部分の輝度不均衡を解消するため、Abilityは事前キャリブレーションプロセスを開発しました。カメラを均一な光を発する積分球内に配置することで、これらの輝度差を正確に測定し補償します。
利点：
- レンズ差異の許容: レンズユニット間の輝度差異を許容し、製造プロセスにおける厳格なレンズ一貫性要求を軽減します。
- コスト削減: 高精度レンズの需要を削減することで、全体的なコストを効果的に抑制します。
- 画像品質向上: 事前キャリブレーションはエッジ部分でよく見られる輝度減衰問題を最小化し、より一貫性のある高品質なスティッチングパノラマ画像を生成します。
プロセス概要：
- 積分球への設置：カメラを均一な光を放つ積分球の内部に設置します。
- 輝度分布の測定：画像内の輝度分布を測定し、輝度の低い領域を特定します。
- 補正データの生成：測定された輝度の差異に基づいて補正データを生成します。
- ソフトウェアによる補償：画像のスティッチング処理時に、ソフトウェアが補正データを適用することで、輝度の差を補償し、よりシームレスで視覚効果の高いスティッチ画像を生成します。
この事前補正プロセスを導入することで、コストの削減と生産の柔軟性向上を図りつつ、高品質なパノラマスティッチ画像の提供が可能になります。
360度動画の水平安定化技術
Abilityの水平安定化アルゴリズムは、慣性計測ユニット（IMU）のデータを活用し、イメージセンサーで取得された映像に対してブレ補正を行います。IMUデータを解析することで、カメラの正確な姿勢を特定し、画像フレームに適切な補正を加えます。
優位性：
- 内蔵安定機能: 追加の安定装置は不要です。安定機能はカメラ内部のアルゴリズムによって実現され、よりコンパクトでコスト効率の高いソリューションです。
- 映像品質の向上: カメラの揺れによる映像の歪みを軽減することで、生成された映像をより滑らかに、視覚効果を向上させます。特にVRや大型ディスプレイでの視聴時に効果的です。
動作原理：
- IMUデータ収集: IMUがカメラの姿勢情報を継続的に取得。
- 方位推定: アルゴリズムがIMUデータを処理し、カメラの3D空間での方位を推定します。
- 映像補正: 推定された方位を使用して、映像内の傾きや回転を補正し、水平線を維持します。
- スティッチング最適化: 安定した映像をスティッチングし、シームレスな360度パノラマ画像を形成します。
実際の応用例：
- 360度スポーツカメラをヘルメットに取り付けることを想像してください。IMUデータが映像の安定化に活用されることで、マウンテンバイクやスキーなど激しいアクティビティ中でも滑らかで没入感のある映像を生成できます。
- 水平安定機能を360度カメラに統合することで、ユーザーにより安定し楽しい視聴体験を提供します。
ローリングシャッター補正
Abilityのローリングシャッター補正アルゴリズムは、慣性測定ユニット（IMU）のデータを利用し、CMOSセンサーで発生するローリングシャッターによる「ジェリー効果」を効果的に軽減します。IMUの加速度と角速度データを分析することで、カメラの動作軌跡を正確に計算し、取得された映像を適切に補正します。
利点：
- 低コストで高効率なソリューション: 全域シャッターセンサーよりも低コストなローリングシャッターセンサーが現在広く使用されています。Abilityのローリングシャッター補正機能により、既存のCMOSローリングシャッターセンサーでも全域シャッターの利点を享受できます。
- 映像品質の向上: ローリングシャッター歪みを補正することで、映像品質を向上させ、欠陥を減少させ、全体的な視覚忠実度を改善します。
- 多機能性: Abilityのアルゴリズムは、スポーツカメラ、ドローン、監視システムなど、ローリングシャッター歪みが重大な問題となり得るさまざまな用途に適用できます。
動作原理：
- IMUデータ収集: IMUがカメラの姿勢情報を継続的に取得。
- 動作推定: 継続的なIMUデータを基に、露光時間内のカメラ動作を計算します。
- 映像補正: 推定された動作に基づき、取得された映像を補正し、ローリングシャッター歪みを補償します。
実際の応用例：
- スポーツカメラ: スポーツカメラ映像でよく見られる「ジェリー効果」を軽減し、滑らかで安定した映像を生成します。
- ドローン: ドローンの振動や高速移動による映像歪みを軽減します。
- 監視システム: 物体追跡や動作分析の精度を向上させます。
ローリングシャッター補正をイメージングシステムに統合することで、映像品質を向上させ、歪みを減少させ、アプリケーション全体の性能を改善できます。
立体深度センシング
Abilityの立体深度センシングアルゴリズムは、次の2つの重要なステップで構成されています：
- 立体キャリブレーション: カメラを慎重にキャリブレーションし、正確なアライメントと同一の光学特性を確保します。このキャリブレーションプロセスにより、カメラ間の基線距離が設定され、深度計算において極めて重要な役割を果たします。
- 視差計算: キャリブレーションが完了すると、アルゴリズムが左右の画像中の対応する点間の差異を分析します。この差異は「視差」と呼ばれ、シーンの深度に直接関係します。視差を計算することで、シーン中の異なる物体とカメラとの距離を推定できます。
利点：
- 広い探索範囲: レーザーによる距離測定と比較して、立体視は広い視野を許容し、より大きなエリアをスキャンできます。
- 低コスト: 立体視システムは通常、レーザー方式よりも安価な部品を使用するため、多くの用途においてコストパフォーマンスに優れたソリューションとなります。
