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
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。
其他参数
文档资料
使用文档
示例项目参考
