當(dāng)前位置:首頁 > 嵌入式 > 嵌入式硬件
[導(dǎo)讀]通過借鑒嵌入式系統(tǒng)在電子技術(shù)、信號(hào)處理以及計(jì)算機(jī)等領(lǐng)域應(yīng)用的成功經(jīng)驗(yàn),在分析目標(biāo)檢測與跟蹤算法的基礎(chǔ)上,將目標(biāo)檢測與跟蹤算法與嵌入式技術(shù)相結(jié)合,設(shè)計(jì)一種基于嵌入式PIC32單片機(jī)的目標(biāo)檢測與跟蹤系統(tǒng),可以實(shí)現(xiàn)目標(biāo)檢測跟蹤系統(tǒng)的小型化,智能化,并以具體飛行目標(biāo)為例進(jìn)行了目標(biāo)的識(shí)別和跟蹤。

摘 要:

通過借鑒嵌入式系統(tǒng)在電子技術(shù)、信號(hào)處理以及計(jì)算機(jī)等領(lǐng)域應(yīng)用的成功經(jīng)驗(yàn),在分析目標(biāo)檢測與跟蹤算法的基礎(chǔ)上,將目標(biāo)檢測與跟蹤算法與嵌入式技術(shù)相結(jié)合,設(shè)計(jì)一種基于嵌入式PIC32單片機(jī)的目標(biāo)檢測與跟蹤系統(tǒng),可以實(shí)現(xiàn)目標(biāo)檢測跟蹤系統(tǒng)的小型化,智能化,并以具體飛行目標(biāo)為例進(jìn)行了目標(biāo)的識(shí)別和跟蹤。

研究目的

隨著現(xiàn)代社會(huì)對軍用和民用設(shè)備需求的不斷擴(kuò)大及要求的不斷提高,運(yùn)動(dòng)目標(biāo)的識(shí)別和跟蹤技術(shù)已經(jīng)迅速發(fā)展成為現(xiàn)代信息處理領(lǐng)域中一項(xiàng)非常重要的技術(shù),也是無人機(jī)野外戰(zhàn)場偵察技術(shù)中的重點(diǎn)和難點(diǎn),并在許多領(lǐng)域內(nèi)發(fā)揮著不可替代的作用。目前,基于PC 機(jī)的目標(biāo)檢測與跟蹤技術(shù)已趨于成熟,但其在嵌入式平臺(tái)的應(yīng)用研究還處于初級(jí)階段。由于嵌入式系統(tǒng)具有體積小巧,便于攜帶等一系列PC 機(jī)無法替代的優(yōu)點(diǎn),因此如何對飛行目標(biāo)進(jìn)行有效檢測和跟蹤并且在嵌入式系統(tǒng)中實(shí)現(xiàn)是目前急需解決的課題。針對以上問題本文設(shè)計(jì)了一個(gè)基于嵌入式的目標(biāo)檢測與跟蹤系統(tǒng),本系統(tǒng)具有體積小、實(shí)時(shí)性好并且可對運(yùn)動(dòng)目標(biāo)進(jìn)行有效實(shí)時(shí)跟蹤的特點(diǎn)。也為開展實(shí)時(shí)化微型化的嵌入式機(jī)器視覺系統(tǒng)的研究進(jìn)行了有益的嘗試。

系統(tǒng)總體方案

本課題研究的是無人機(jī)在復(fù)雜背景環(huán)境下對目標(biāo)的檢測和跟蹤的嵌入式實(shí)現(xiàn)問題,目標(biāo)跟蹤系統(tǒng)是利用一個(gè)可移動(dòng)的圖像處理設(shè)備實(shí)現(xiàn)圖像中運(yùn)動(dòng)物體的檢測和跟蹤,解決了軍用和工業(yè)等方面發(fā)展對目標(biāo)跟蹤系統(tǒng)的小型化要求。

1.主要研究以下方面的內(nèi)容:

(1)嵌入式視覺跟蹤系統(tǒng)的硬件設(shè)計(jì)

嵌入式平臺(tái)是解決實(shí)時(shí)性和小型化的有效途徑,采用基于PIC32的嵌入式平臺(tái)的目標(biāo)跟蹤系統(tǒng)的解決方案可以滿足設(shè)備功能的要求。

針對小型化的實(shí)際需求,本系統(tǒng)采用USB攝像頭作為采集目標(biāo)圖像的設(shè)備,采用PIC32內(nèi)核開發(fā)板作為中央控制器,以及云臺(tái)、云臺(tái)控制器等外圍設(shè)備,形成完整的視覺反饋跟蹤系統(tǒng)。

(2)嵌入式視覺跟蹤系統(tǒng)的軟件設(shè)計(jì)

針對被跟蹤目標(biāo)的特點(diǎn),設(shè)計(jì)實(shí)時(shí)識(shí)別與跟蹤算法,利用嵌入式系統(tǒng)軟件MPLAB IDE集成開發(fā)環(huán)境具體開發(fā)系統(tǒng)的數(shù)據(jù)接收,特征識(shí)別和反饋控制等軟件模塊,采用MPLAB C32 C編譯器將目標(biāo)跟蹤的算法編譯實(shí)現(xiàn),實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)的識(shí)別與跟蹤。

(3)仿真實(shí)驗(yàn),調(diào)試

在設(shè)計(jì)好的嵌入式實(shí)驗(yàn)平臺(tái)上進(jìn)行跟蹤實(shí)驗(yàn),經(jīng)過反復(fù)調(diào)試,直到測試跟蹤的效果達(dá)到預(yù)期的要求。

2 研究方案

根據(jù)以上研究內(nèi)容,將目標(biāo)的檢測和跟蹤方案的嵌入式實(shí)現(xiàn)分成硬件和軟件兩部分。

嵌入式視覺跟蹤系統(tǒng)的硬件方案:

系統(tǒng)硬件結(jié)構(gòu)圖如圖1所示:

圖1系統(tǒng)硬件結(jié)構(gòu)圖

系統(tǒng)總體硬件結(jié)構(gòu)如圖1所示。在PIC32嵌入式系統(tǒng)平臺(tái)上移植并配置MPLAB IDE集成開發(fā)環(huán)境,針對平臺(tái)和應(yīng)用的特點(diǎn),制作合適的文件系統(tǒng),編寫應(yīng)用程序。運(yùn)動(dòng)目標(biāo)經(jīng)USB攝像頭實(shí)時(shí)采集后,送入PIC32處理器,利用嵌入式處理器的強(qiáng)大運(yùn)算能力,對采集到的圖像進(jìn)行處理,完成目標(biāo)識(shí)別與定位,并控制云臺(tái)控制器,調(diào)整攝像頭位姿,使攝像頭對準(zhǔn)運(yùn)動(dòng)目標(biāo),實(shí)現(xiàn)實(shí)時(shí)跟蹤。實(shí)時(shí)性好和體積小巧是本嵌入式跟蹤系統(tǒng)追求的目標(biāo)。

嵌入式視覺跟蹤系統(tǒng)的軟件方案:

(1)MPLAB C32 C編譯器

C 代碼應(yīng)用程序:32 位語言工具庫位于MPLAB C32 C 編譯器安裝目錄的pIC32mxlib 子目錄中,默認(rèn)情況下存放在:C:Program FilesMicrochipMPLAB C32pic32mxlib可以通過MPLAB C32 鏈接器將這些庫直接鏈接到應(yīng)用程序中。

(2)啟動(dòng)代碼

為初始化數(shù)據(jù)存儲(chǔ)器中的變量,鏈接器創(chuàng)建一個(gè)數(shù)據(jù)初始化映像。這個(gè)映像必須在啟動(dòng)時(shí)、在應(yīng)用程序正確獲取控制權(quán)之前復(fù)制到RAM 中。crt0.o 中的啟動(dòng)代碼執(zhí)行運(yùn)行時(shí)環(huán)境的初始化。

(3)32 位外設(shè)函數(shù)庫

32 位軟件和硬件外設(shè)函數(shù)庫為設(shè)置和控制32 位外設(shè)提供了函數(shù)和宏。 這些庫是特定于處理器的,形式為libmchp_peripheral_Device.a,其中Device 為32 位器件型號(hào)。

(4)標(biāo)準(zhǔn)C 函數(shù)庫(包含數(shù)學(xué)函數(shù))

提供了一套完整的符合ANSI-89 的庫。 標(biāo)準(zhǔn)的C 語言庫文件是libc.a (由MIPS Technologies 編寫)、libe.a 和libm.a。一個(gè)典型的C 應(yīng)用程序必須包含全部這三個(gè)庫,這三個(gè)庫在默認(rèn)情況下就被鏈接進(jìn)來,無需用戶指定。

1.MPLAB IDE集成開發(fā)環(huán)境

MPLAB 集成開發(fā)環(huán)境 (IDE) 是一個(gè)采用Microchip 的PICmicro 和 dsPIC開發(fā)嵌入式應(yīng)用的免費(fèi)集成工具箱。MPLAB IDE在32-bit 的MS Windows下運(yùn)行,是一個(gè)簡單易用的開發(fā)環(huán)境,并且包含很多可進(jìn)行快速應(yīng)用開發(fā)和調(diào)試的免費(fèi)軟件。MPLAB IDE同樣也充當(dāng)一個(gè)附加的Microchip和第三方軟件和硬件工具的圖形用戶界面。

2.實(shí)現(xiàn)目標(biāo)跟蹤算法的應(yīng)用程序

應(yīng)用程序是針對需求編寫的僅適用于本系統(tǒng)的專用程序。本系統(tǒng)應(yīng)用程序流程如圖2所示。初始化后打開設(shè)備文件(攝像頭等),查詢和確認(rèn)設(shè)備性能,設(shè)置捕獲的圖像的寬和高,設(shè)置色深,建立內(nèi)存映射,讀取圖像數(shù)據(jù),對圖像進(jìn)行處理,關(guān)閉設(shè)備。圖像采集有兩種方式:內(nèi)存映射(mmap)和直接讀取設(shè)備(read)。前者將設(shè)備文件映射到內(nèi)存,繞過I/O訪問,使得讀取速度更快,但是占用更多系統(tǒng)資源??紤]系統(tǒng)實(shí)時(shí)性,因此采用內(nèi)存映射方式。

圖2系統(tǒng)應(yīng)用程序流程圖

在本系統(tǒng)中,采用MPLAB C32 C編譯器將目標(biāo)跟蹤的算法編譯實(shí)現(xiàn),由一系列C函數(shù)和少量C++類構(gòu)成,可以實(shí)現(xiàn)圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。

3.目標(biāo)檢測和跟蹤算法的設(shè)計(jì)方案:

①目標(biāo)的檢測部分:

對航空圖片進(jìn)行contourlet變換。該變換能滿足各向異性的性質(zhì)。Contourlet變換是使用拉普拉斯濾波器對圖象進(jìn)行多尺度分解,以捕獲二維圖像中存在的點(diǎn)奇異性,得到原圖像的低頻圖像和高頻圖像,遞歸地對低通圖像進(jìn)行分解,得到整個(gè)多分辨率圖像。對分解后每一尺度上的高頻圖像使用方向?yàn)V波器組,得到各奇異點(diǎn)的多方向性圖像。采用contourlet變換提取各尺度下的穩(wěn)定數(shù)值特征,構(gòu)建相應(yīng)的特征庫,利用目標(biāo)質(zhì)心建立目標(biāo)跟蹤點(diǎn),匹配真正的飛行目標(biāo)。

②目標(biāo)的跟蹤部分:

本系統(tǒng)采用的目標(biāo)跟蹤算法為Mean-Shift算法。Mean-Shift算法是一種計(jì)算局部最優(yōu)的搜索算法,通過計(jì)算候選目標(biāo)與目標(biāo)模塊直接之間相似度的概率密度分布,然后利用概率密度梯度下降的方向來獲取匹配搜索的最佳路徑,加速運(yùn)動(dòng)目標(biāo)的定位降低搜索的時(shí)間。

攝像頭驅(qū)動(dòng)程序

#include "stdafx.h"

#include "Camera.h"

#include "CameraDlg.h"

#ifdef _DEBUG

#define new DEBUG_NEW

#undef THIS_FILE

static char THIS_FILE[] = __FILE__;

#endif

// CAboutDlg dialog used for App About

IplImage*image=NULL;

CvHistogram *hist = 0;

int backproject_mode = 0;

int select_object = 0;

int track_object = 0;

int show_hist = 1;

CvPoint origin;

CvRect selection;

CvRect track_window;

CvBox2D track_box; // tracking ·µ»ØµÄÇøÓò box£¬´ø½Ç¶È

CvConnectedComp track_comp;

int hdims = 48; // »®·ÖHISTµÄ¸öÊý£¬Ô½¸ßÔ½¾«È·

float hranges_arr[] = {0,255};

float* hranges = hranges_arr;

int vmin = 10, vmax = 256, smin = 30;

bool g_StopFlag=0;

CvScalar hsv2rgb( float hue )

{

int rgb[3], p, sector;

static const int sector_data[][3]=

{{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};

hue *= 0.033333333333333333333333333333333f;

sector = cvFloor(hue);

p = cvRound(255*(hue - sector));

p ^= sector & 1 ? 255 : 0;

rgb[sector_data[sector][0]] = 255;

rgb[sector_data[sector][1]] = 0;

rgb[sector_data[sector][2]] = p;

return cvScalar(rgb[2], rgb[1], rgb[0],0);

}

class CAboutDlg : public CDialog

{

public:

CAboutDlg();

目標(biāo)檢測與跟蹤算法程序

#include "stdafx.h"

#include "ParticleMeanShift.h"

#include "ParticleMeanShiftDlg.h"

#include "cvx_defs.h"

#ifdef _DEBUG

#define new DEBUG_NEW

#undef THIS_FILE

static char THIS_FILE[] = __FILE__;

#endif

#include <it/io.h>

#include <it/distance.h>

#include <stdio.h>

#include <math.h>

#include <it/wavelet2D.h>

#include <it/mat.h>

//extern "C"{#include "contourlet.h"};

//#ifdef __cplusplus

//extern "C" {#include "contourlet.h}

//#endif

#include "contourlet.h"

#include "dfb.h"

#include "ezbc.h"

#define BUFFER_SIZE (1*1024*1024)

int iFlag_choose=0;

// 9/7 contourlet low subband norm [level]

double norm_low[6] = {

1.000000,

0.982948,

1.030575,

1.051979,

1.058014,

1.058312

};

// 9/7 contourlet high subbands norms [level][dfb_levels][subband]

double norm_high[6][5][16] = {

// DFB

{

{1.000000},

{1.338955, 0.768281},

{1.788734, 1.031742, 1.031699, 0.588007},

{2.350204, 1.388625, 1.473061, 0.755227, 1.521047, 0.718018, 0.760509, 0.466449},

{2.990107, 1.859578, 2.009466, 0.993439, 2.153701, 1.040220, 1.071638, 0.565028,

2.310007, 1.015735, 1.043946, 0.511974, 1.108749, 0.539535, 0.580279, 0.383226}

},

// Highest frequencies

{

{0.759782},

{1.068118, 0.710115},

{1.557636, 0.922336, 0.885625, 0.513870},

{2.066849, 1.199964, 1.312638, 0.679034, 1.314328, 0.611044, 0.667065, 0.406727},

{2.591734, 1.650462, 1.726335, 0.866216, 1.933047, 0.919827, 0.946988, 0.519211,

2.004114, 0.871491, 0.880225, 0.441114, 0.979973, 0.469240, 0.495562, 0.338999}

},

{

{0.709848},

{1.006673, 0.691288},

{1.505208, 0.880912, 0.857108, 0.490243},

{2.004624, 1.154857, 1.268061, 0.637940, 1.281535, 0.585212, 0.641248, 0.383733},

{2.461666, 1.619596, 1.693704, 0.813626, 1.870790, 0.884116, 0.917510, 0.470455,

1.949415, 0.851772, 0.859531, 0.412020, 0.943970, 0.448550, 0.476647, 0.313942}

},

{

{0.753806},

{1.067996, 0.730151},

{1.591337, 0.929780, 0.908668, 0.518957},

{2.142259, 1.210500, 1.324341, 0.681005, 1.369928, 0.613891, 0.670235, 0.410106},

{2.646395, 1.724389, 1.779619, 0.850579, 1.943830, 0.929273, 0.975566, 0.504108,

2.089051, 0.907208, 0.903755, 0.431151, 0.981607, 0.471800, 0.507208, 0.336407}

},

{

{0.775910},

{1.098225, 0.747825},

{1.631322, 0.953360, 0.932293, 0.532706},

{2.204255, 1.236997, 1.351154, 0.702051, 1.409039, 0.627751, 0.684257, 0.422790},

{2.703611, 1.755877, 1.805906, 0.865382, 1.966184, 0.947038, 0.995714, 0.521175,

2.134306, 0.924937, 0.917630, 0.439011, 0.993215, 0.481139, 0.517305, 0.348460}

},

// Lowest frequencies

{

{0.782607},

{1.107343, 0.753079},

{1.643244, 0.959912, 0.939323, 0.536721},

{2.203433, 1.234178, 1.349443, 0.704742, 1.411630, 0.628675, 0.683316, 0.427423},

{2.846164, 2.127241, 1.898790, 1.298897, 2.080579, 1.299276, 1.085920, 0.808484,

2.180500, 1.169607, 0.982991, 0.594266, 1.034878, 0.563380, 0.533165, 0.393168}

}

};

int func(CParticleMeanShiftDlg*dlg);

int func1(CParticleMeanShiftDlg*dlg);

int func2(CParticleMeanShiftDlg*dlg);

int func3(CParticleMeanShiftDlg*dlg);

int func4(CParticleMeanShiftDlg*dlg);

#define region 32

#define calc_point(kalman)

cvPoint( cvRound(kalman[0]),

cvRound(kalman[1]))

#define phi2xy(mat)

cvPoint( cvRound(img->width/2 + img->width/3*cos(mat->data.fl[0])),

cvRound( img->height/2 - img->width/3*sin(mat->data.fl[0])) )

#define CVCLOSE_ITR 1

#define CVCONTOUR_APPROX_LEVEL 2

/////////////////////////////////////////////////////////////////////////////

// CAboutDlg dialog used for App About

IplImage *image = 0, *hsv = 0, *hue = 0, *mask = 0, *backproject = 0, *histimg = 0,*showbackproject;

CvHistogram *hist = 0;

CvHistogram *histtemp = 0;

int backproject_mode = 0;

int select_object = 0;

int track_object = 0;

int show_hist = 1;

CvPoint origin;

CvRect selection;

CvRect track_window;

CvBox2D track_box; // tracking ·µ»ØµÄÇøÓò box£¬´ø½Ç¶È

CvConnectedComp track_comp;

int hdims = 48; // »®·ÖHISTµÄ¸öÊý£¬Ô½¸ßÔ½¾«È·

float hranges_arr[] = {0,255};

float* hranges = hranges_arr;

int vmin = 10, vmax = 256, smin = 30;

bool g_StopFlag=0;

CvScalar hsv2rgb( float hue )

{

int rgb[3], p, sector;

static const int sector_data[][3]=

{{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};

hue *= 0.033333333333333333333333333333333f;

sector = cvFloor(hue);

p = cvRound(255*(hue - sector));

p ^= sector & 1 ? 255 : 0;

rgb[sector_data[sector][0]] = 255;

rgb[sector_data[sector][1]] = 0;

rgb[sector_data[sector][2]] = p;

return cvScalar(rgb[2], rgb[1], rgb[0],0);

}

部分跟蹤結(jié)果圖

圖3是本系統(tǒng)在實(shí)際環(huán)境中對飛行目標(biāo)進(jìn)行連續(xù)跟蹤的效果圖,飛行目標(biāo)為18個(gè)像素,并且對連續(xù)跟蹤的視頻流共截取了6幅圖像,分別是第10幀,第30幀,第50幀,第60幀,如圖所示:

Frame10(odd field) Frame30(odd field)

Frame50(odd field) Frame60(odd field)

圖3部分跟蹤結(jié)果圖

三.總結(jié)

本設(shè)計(jì)通過PIC32單片機(jī)實(shí)現(xiàn)了對運(yùn)動(dòng)目標(biāo)的檢測跟蹤,目的是以PIC32單片機(jī)做為硬件平臺(tái),將算法在PIC32單片機(jī)中運(yùn)行,使其完成對運(yùn)動(dòng)目標(biāo)的準(zhǔn)確捕獲和穩(wěn)定跟蹤。通過利用USB攝像頭完成了圖像采集的功能,然后將采集到的圖像送入PIC32單片機(jī)進(jìn)行數(shù)據(jù)處理,利用云臺(tái)控制器控制云臺(tái)的轉(zhuǎn)動(dòng),使攝像頭對準(zhǔn)運(yùn)動(dòng)目標(biāo),進(jìn)而實(shí)現(xiàn)了目標(biāo)準(zhǔn)確跟蹤,并且使整個(gè)系統(tǒng)趨于小型化智能化。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運(yùn)營商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡稱"軟通動(dòng)力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉