Description
产品介绍
OAK是OpenCV官方指定的深度视觉+人工智能开发套件。了解更多>>
OAK-D-S2-PoE结合了深度感知,目标检测(神经推理)和目标跟踪,并以简单易用的Python API来帮助您实现这些功能。包括三个机载摄像头(一颗4k/30fps彩色摄像头,两颗黑白双目摄像头)和IMU。IP65工业级防水,可用在室内室外。 并且扩展有POE接口(802.3af网络电源供电,以及千兆以太网),是一个带深度视觉的智能网络IP相机。
RVC2 AI芯片组
RVC2简介
RVC2是第二代应用于OAK 3D AI相机的AI芯片组,第二代的OAK设备均内置预搭载RVC2 AI芯片组。RVC2主要由两个预封装组件组成:
- 针对特定SOC进行微调的DepthAI功能;
- 极低功耗的高性能SoC及其所有支持电路设计(包含高性能散热模组、PCB等)
RVC2性能
- 4T边缘算力(1.4T可用于AI)
- 支持多种AI 模型,甚至内置自定义架构AI模型(需转换)
- 编码:H.264,H.265,MJPEG – 4K/30FPS, 1080P/60FPS
- 机器视觉:通过ImageManip节点进行畸变/去畸变、重构大小、裁剪、边缘检测、特征追踪、甚至运行自定义的CV 函数;
- 目标检测与追踪:内嵌节点完成2D 与 3D追踪;
- 低功耗高算力的AI加速推理,兼容几乎所有主流神经网络边缘端加速;
- 板载边缘AI:实时的高性能3D 检测、特征追踪、OCR、AI识别、边缘检测、骨骼模型检测、语义分割等;
- 支持的语言和平台:Windows10、Ubuntu、树莓派、linux、macOS、Jetson、Python、C++、ROS、Android等(需depthai≥V2.16.0);
- 支持的框架和神经网络:OpenVINO、Kaldi、Caffe、ONNX、MXNe、TensorFlow、Pytorch、MobileNetv2SSD、Deeplabv3+、YOLOv3及以上等;
RVC2功耗
RVC2芯片组自身最大功耗大约4.5W,主要由集成到RVC2的SOC和芯片自身占用;
CAM_TEST硬件检测小程序
获取地址:CAM_TEST.EXE
支持型号:所有机型(除ToF外)
使用说明:
- 选择相机镜头(支持多个同时启动)和镜头属性(mono一般指代双目)
- 为所选的镜头设定分辨率
- 检查所选的相机IP或ID
- 点击“连接”
应用场景
- 工业智能化/自动化
- 机器人、无人机
- 安防监控
- 智能驾驶
- 医疗大健康
- 编程教育
包装内容
- 一台OAK-D-S2-PoE相机
- 一根2米M12网线
技术参数
官方Datasheet文档:查看
镜头参数
参数 | RGB相机(AF) | RGB相机(FF) | 双目相机 |
---|---|---|---|
图像传感器(Sensor) | IMX378 | IMX378 | OV9282 |
DFOV / HFOV / VFOV | 78°D / 66°H / 54°V | 82°D / 69°H / 55°V | 89.5° D/ 80° H/ 55°V |
分辨率 | 12MP (4032×3040) | 12MP (4032×3040) | 1MP (1280×800) |
最大帧率 | 60 FPS | 60 FPS | 120 FPS |
焦距(EFL) | 4.81mm | 4.81mm | 2.35mm |
光圈(F.NO) | 1.8 ±5% | 1.8 ±5% | 2.0 ±5% |
对焦范围 | AF:8cm – ∞ | FF:50cm – ∞ | FF:19.6cm – ∞ |
镜头尺寸 | 1/2.3” | 1/2.3” | 1/4” |
像素大小 | 1.55µm x 1.55µm | 1.55µm x 1.55µm | 3µm x3µm |
快门 | 卷帘快门 | 卷帘快门 | 全局快门 |
产品特点
- 1200万高像素RGB摄像头
- 全局快门双目深度摄像头
- 4T算力(1.4T用于AI)
- 千兆以太网 POE供电(M12和M8)
- IP65工业级防水(未来批次会做到IP67)
- BNO086 IMU或BMI270 IMU
深度感知
- 双目深度传感器基线:7.5厘米(即左右相机之间的距离)。最小和最大的深度感知取决于相机的FOV、分辨率和基线,更多信息请查看这里。
- 推荐测距范围:0.7~12m。(理论最远测距可达到35m,30米实测误差约在6%到10%左右。)最小深度:~20cm(400P,扩展),~35cm(400P或800P,扩展),~70cm(800P)。
- 参考精度:<2%误差@低于4m,<4%误差@4m~7m,<6%误差@7m~10m。