今天给大侠带来FPGA Xilinx Zynq 系列第十四篇，本篇内容目录简介如下：

阵列计算相机即将开启千亿级市场。 2017年，11月3日。 这一天也许将来会被科学界尤其是AI人工智能产业界所铭记，因为它开启了一个全新的千亿级市场；不过，似乎全世界亿万的爱美女性更应该感谢它，因为它即将带来新一轮的相机拍照技术革命。 这简直是个天大的好消息！ 江苏昆山阳澄湖费尔蒙酒店，一楼。清华大学、昆山杜克大学、中科院西安光机所、上海科技大学、昆山工业技术研究院、安科迪公司、美国Light公司、中兴集团、复星集团、中科创星、琢石投资、久有投资......学术界、产业界、投资界，全部到齐。 而第三次相机技

12 月 15 日，Nature 子刊《自然 - 机器智能》发表了由华中科技大学人工智能学院发起、剑桥大学、斯坦福大学、约翰霍普金斯大学、MD 安德森肿瘤医院、华中科技大学同济医学院附属同济医院、附属协和医院、国家药物筛选中心等国内外权威科研机构联合开发的联邦学习开源医学人工智能（AI）计算框架（Unified CT AI Diagnostic Initiative , UCADI）。

CVaaS 就是 Computer Vision as a Service, 我们把 CV 的部分标准化成为了一种服务，而每一个行业可以在这里找到自己行业需要的和图像处理、视频处理、计算机视觉相关的算法服务，然后他们可以整合这些算法服务成为他们需要的应用。

1 新智元报道1 记者：闻菲，胡祥杰 英特尔今天下午宣布，收购初创公司 Movidius，深入机器视觉战场。交易价格未公布。 这笔交易将使英特尔进一步深入火热的新市场，包括无人机、机器人、VR头盔、安保摄像头等等。英特尔表示，这一收购将有助于该公司从设备到云端的深度学习解决方案。 “我们正在进入一个设备必须智能、必须互联的时代，”英特尔高级副总裁 Josh Walden 在官方博客中表示：“当一个设备能够理解并对环境做出响应，前所未有的全新解决方案就铺展在它们眼前。” Movidius CEO Remi E

今天给大侠带来FPGA Xilinx Zynq 系列第十四篇，本篇内容目录简介如下：

阵列计算相机即将开启千亿级市场。 2017年，11月3日。 这一天也许将来会被科学界尤其是AI人工智能产业界所铭记，因为它开启了一个全新的千亿级市场；不过，似乎全世界亿万的爱美女性更应该感谢它，因为它即将带来新一轮的相机拍照技术革命。 这简直是个天大的好消息！ 江苏昆山阳澄湖费尔蒙酒店，一楼。清华大学、昆山杜克大学、中科院西安光机所、上海科技大学、昆山工业技术研究院、安科迪公司、美国Light公司、中兴集团、复星集团、中科创星、琢石投资、久有投资......学术界、产业界、投资界，全部到齐。 而第三次相机技

【新智元导读】4月18日，清华大学《人工智能前沿与产业趋势》系列讲座第四讲，深睿医疗首席科学家、美国计算机协会杰出科学家、IEEE Fellow俞益洲为大家介绍了目前计算机视觉的应用和落地，特别是在医疗影像方面的发展状况、遭遇的挑战、以及克服挑战的思路。最后和清华大学自动化系副教授、博导鲁继文以及知名天使投资人、梅花创投创始合伙人吴世春一起对计算机视觉的落地机会进行了畅想。

【新智元导读】4月18日，清华大学《人工智能前沿与产业趋势》系列讲座第四讲，深睿医疗首席科学家、美国计算机协会杰出科学家、IEEE Fellow俞益洲为大家介绍了目前计算机视觉的应用和落地，特别是在医疗影像方面的发展状况、遭遇的挑战、以及克服挑战的思路。最后和清华大学自动化系副教授、博导鲁继文以及知名天使投资人、梅花创投创始合伙人吴世春一起对计算机视觉的落地机会进行了畅想。

LOAM[1]是Ji Zhang于2014年提出的使用激光雷达完成定位与三维建图的算法，即Lidar Odometry and Mapping。之后许多激光SLAM算法借鉴了LOAM中的一些思想，可以说学习LOAM对学习3D激光SLAM很有帮助。本文对LOAM算法，以及简化版的开源代码A-LOAM进行简单介绍。

想象一下你正在打造一辆可探测周围环境的自动驾驶车。你要如何让你的车感知行人、骑自行车的人以及其他车辆，以安全行驶呢？你可以给它装上相机，但效果并不是特别好：你面对的是整个 3D 环境，相机拍摄到的只是把它拍扁之后的 2D 图像，然后再尝试从这个 2D 图像中复原你真正需要用到的 3D 信息（比如与车前面的行人、汽车间的距离）。然而，一旦将 3D 环境挤压成 2D 图像，很多对你来说最重要的信息就会丢失，并且将这些信息重新拼凑起来十分困难——即使使用最先进的算法，也容易出错。

想象一下你正在打造一辆可探测周围环境的自动驾驶车。你要如何让你的车感知行人、骑自行车的人以及其他车辆，以安全行驶呢？你可以给它装上相机，但效果并不是特别好：你面对的是整个 3D 环境，相机拍摄到的只是把它拍扁之后的 2D 图像，然后再尝试从这个 2D 图像中复原你真正需要用到的 3D 信息（比如与车前面的行人、汽车间的距离）。然而，一旦将 3D 环境挤压成 2D 图像，很多对你来说最重要的信息就会丢失，并且将这些信息重新拼凑起来十分困难——即使使用最先进的算法，也容易出错。

东邪西毒南帝北丐们，各有各的招数：以假乱真的仿生人、跟邓亚萍旗鼓相当的乒乓机器人、还有云从科技御眼重明“关上灯也认识你”、人工智能医疗阅片……

H.266是继H.265之后的新一代视频编码标准，于2020年正式发布[1]，由ISO/IEC MPEG和ITU-T VCEG联合制定，代表目前业界最先进成熟的视频压缩编码技术。全球范围内包括腾讯、高通、HHI、华为、三星、索尼、Intel、诺基亚、爱立信、字节、快手等企业均有参与其中。H.266标准相比H.265标准，在相同主观质量前提下，可实现约50%的码率节省，进而能够降低传输带宽、节省存储成本等。除此之外，还支持更高的分辨率（16K）、支持360°全景视频编码、支持HDR等。  在H.266生态中，

本文介绍了一种基于深度学习的交通标志识别方法，该方法采用卷积神经网络（CNN）进行交通标志的分类和识别。首先，通过收集大量交通标志数据并进行预处理，提取出有用的特征。然后，使用CNN对这些特征进行训练和分类。实验结果表明，该方法能够有效地识别不同类型的交通标志，准确率达到99.1%。

H.266是继H.265之后的新一代视频编码标准，于2020年正式发布[1]，由ISO/IEC MPEG和ITU-T VCEG联合制定，代表目前业界最先进成熟的视频压缩编码技术。全球范围内包括腾讯、高通、HHI、华为、三星、索尼、Intel、诺基亚、爱立信、字节、快手等企业均有参与其中。H.266标准相比H.265标准，在相同主观质量前提下，可实现约50%的码率节省，进而能够降低传输带宽、节省存储成本等。除此之外，还支持更高的分辨率（16K）、支持360°全景视频编码、支持HDR等。  在H.266生态中，

本文介绍了一种基于深度学习的交通标志识别方法，该方法采用卷积神经网络（CNN）进行交通标志的分类和识别。首先，通过收集大量交通标志数据并进行预处理，提取出有用的特征。然后，使用CNN对这些特征进行训练和分类。实验结果表明，该方法能够有效地识别不同类型的交通标志，准确率达到99.1%。

图1 PREDATOR的将注意力集中在重叠区域，并选择该区域的显著点，以便在低重叠情况下仍能进行鲁棒配准。

Robust Point Cloud Registration Framework Based on Deep Graph Matching

Robust Point Cloud Registration Framework Based on Deep Graph Matching