当我们脱离了小小的课堂,来到更为广阔的天地,一辆辆汽车有序向前奔驰,不同类型,不同颜色,面对这样的场景,你想到了什么?制造业蓬勃发展?路上的车越来越多?
在科研人员的眼里,看到这些,又不止这些。
在一般的汽车生产线上面安装,比方说安装一个发动机,它本身是有八九百个零件要装配的,这个过程之前的话是有安装的工人,他是需要翻一个非常厚的手册来学习的,他装完这辆车之后,学习的过程就没有用出来,可能他又是装一辆另外一辆车了,所以这个成本比较高的。
经验习得,而不能重复利用,对于学习者或者培训者来说,都是一种浪费。效率至上,怎么才能将学习做到最简单?经验能够发挥最大的作用。
如果实现这么一套系统,可以帮助工人不去翻阅安装手册,只需要根据系统提示进行操作,这样不就能减少学习成本,提高效率?
虚拟影像和制造业,一虚一实,这个组合,看似奇怪,却让经验能够重复利用。如果你真的碰到了一些无法解决的问题,它可以通过你眼镜上的传感器来获取周围或者是故障车辆的信息,然后可以传到远端,让专业的人士来指导你。
这样的形式,好像身边有了一个智能助手,知道我们的目标是什么,然后通过数字化的内容,实时传输给我们,试着想象一下,未来有一天,当我们打开一辆车的引擎盖,就知道怎样修理它。
同样还是面对这辆车,当这辆车开出去,行驶在路上,我们首先要面临一个问题。向左转还是向右转?
因为匆忙看导航,而错过了转弯的路口,因此多开了好几个路口。如果导航信息能够直接投射在马路上,所见即所行,对于驾驶者来说,就能提供更加安全便捷的行车辅助。
与传统导航相比,车载AR导航会先用摄像头把前方道路的真实场景实时捕捉下来,这是“实”;再结合当前的定位、地图信息以及场景AI识别进行融合计算,在人眼可见的真实道路上生成虚拟的指引信息,这是“虚”。
通过这种方式,让驾驶员的实现集中在路面上,将障碍物或者车道的提醒,实时呈现在真实捕捉的画面上。
我们再把眼光拉得更远一点,我们可以得知一辆车的行驶状态,也能够得知更多辆车的状态。
通过路边安装的摄像头,把这些拍下来的画面拿回来处理,同时在虚拟环境里做一个三维投影。
我们可以想象,这样一个虚拟的世界,却能呈现真实世界的状态。不同的摄像头捕捉车辆信息,一条马路上有多少辆车,行驶速度怎样, 车牌号是多少,这样的信息综合叠加,放置在城市地图中,就能够1:1复制一个数字城市。
在这样的三维城市中,能够呈现整体的交通流状况,并能快速地全方位重现交通事故,对于责任认定或者事故原因的探索进行更直观的呈现。对于交通疏导、紧急救援等活动来说,都能抓住最黄金的时间。当这些数据重复收集,对于整个城市的道路和交通基础设施的规划,能够提供有力的数据支持。同时对于想要追踪的特定车辆,也能够在整个城市空间中描绘这些车辆的交通轨迹。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.