我們獲取現實的方式正在持續變化。引領這變化的乙個先鋒是nctech公司，這是一家蘇格蘭公司，致力於360度實境成像系統。該公司的合作夥伴包括蘋果，派拉蒙和皮克斯公司等，也包括地理空間領域的巨頭，像萊卡，托普康和天寶公司等。gim internationalal與該公司合夥人neil tocher**其促使每個人能夠捕獲現實、顛覆業界陳規使得虛擬實境成為視覺化我們生活環境的標準的雄心壯志。新應用的海市蜃樓就要出現在地理空間領域，我們是否已經做好了準備？
1. 我們首先看看地理空間產業。傳統的測繪技術仍然廣泛使用，但是也有些新的測繪方法。我們目前處於怎樣的狀態呢？
你說的完全正確。這不是乙個可以一夜之間改變的行業。傳統方法的確有著它們的價值。這個行業主要關心精度，所以我們試著重新審視工作流，如何讓事情變得更為簡單高效。未來業界將採取「成像第一，掃瞄第二」的方法，我們希望朝這個方向去推進。這就意味著對測區進行成像將變得比lidar更加簡單和快速，lidar本身是一種非常可靠的測量手段。攝影測量已經經過了很長時間的發展，但是你可能得到各種各樣的結果，而且這種方式還存在許多問題需要解決。我們將二者結合起來：攝影測量是快速的解決方案但是我們也用lidar輔助從而達到快速且簡單的現實視覺化結果。這也與你用這些資料做什麼有關係。如果是為了視覺化，高精度工具並不需要；為視覺化而言，可以使用專門設計的快速處理新工具達成目標，而這正是我們正在著力關注的地方所在。
2. 你們公司對行業轉型的貢獻體現在**？
在於工作流。通過納入和整合新的硬體解決方案，我們正在試圖逐漸實現基於影象而不是lidar的視覺化技術，該技術也將用到雲處理新技術的輔助。人們討論雲技術已經很多了，但是到目前為止主要是用來實現資料共享。我們正在攜手intel和google增強雲的能力，我們正在改進處理能力力求能夠處理大資料以及使用採集的資料生產更為精確的產品。這些新的軟硬體工具加上雲技術能夠交付一套完整的新型處理工作流。我們試圖避免在乙個超級工作站上完成所有資料處理的方式，因為這非常耗時。我們正在把處理過程拆解分發到多個硬體裝置上，而這些裝置被推到雲端（這是更具協作性的硬體網路），或者推到所謂的物聯網上。我們也在引進其他技術，比如無人機，我們認為這是我們未來的一大塊業務。我們希望將這些技術無縫地自動化地引入業界。
3. 你提到無人機了，無人機在你們公司扮演怎樣的角色？
無人機有點像虛擬實境-是個時髦話題但是並沒有真正用起來。無人機在測區上空飛行，採集的資料給你提供鳥瞰視角，也可能使用攝影測量技術建立3d模型，這很酷炫。但是我們正在和intel一起研發無人機可搭載的新型感測器，也包括汽車載荷的，三腳架載荷的等等。所以我們將會有一系列感測器新增到系統並推送到雲端，而無人機僅僅是自動收集裝置中的一種。
4. 你們在2023年啟動了istar相機專案，從那開始發展的怎樣？
一直在穩步推進。istar相機最開始是為警察和軍隊開發的。當我們進入工程建設（engineering&construction，e&c）市場時，相機本身能夠使用，但是工作流卻並非如此。所以我們花了一些時間研究軟體包，使得相機能夠和工作流銜接起來。這項工作移除了市場藩籬，在e&c領域的掃瞄資料著色方面非常成功。我們也涉足其他行業比如專業攝影業務。我們與google公司合作，打算上一些大專案包括新型硬體開發，其中的一些已經發布了：lasiris vr，iris pro, 以及iris vr。另乙個新產品是我們的移動測量相機，這是一款車載高解析度相機。有了這些產品，我們正在做2d成像和3d深度成像，背後則是我們的雲平台。目前我們有完全的端到端的工具包（從獲取一直到交付）今年主要是使用這些產品並推廣到更大範圍，尤其因為我們正在用iris vr進入消費者市場，為此正在和intel，sony和google緊密合作。這將為我們提供更多的消費者。我們非常興奮，因為可以將vr和這些產品交到消費者手裡。這將會使得vr平民化，從而開啟和促進vr產業，使之變得更具創造性，而這反過來又將有利於建築行業的發展。
5. 虛擬實境被認為是工業界的潛在顛覆者。你的預期是什麼？你認為都有哪些相關的應用領域？
我們認為「教育」工業界是非常重要的。如果把問題留給大公司那將會出於商業原因而擠壓合適的發展通道。我們是個小公司，但是我們具備和google和intel一樣的視角。我們想把最好的產品交到消費者手中，讓人們能夠獲取周遭現實。只有真正那樣捕獲現實才能說vr取得了成功。這有點像youtube：當每個人都上傳他們的內容時，它才成為大而不懈的可靠工具。我們覺得如果只有業界的大公司在做這件事情那就說明它很有可能會失敗-第一年可能非常新鮮刺激，但是那些內容隨即將變得停滯不前而與使用者漸行漸遠。所以我們想確保他們能夠創造屬於自己的內容從而最小化失敗的可能性。這將讓所有開發者和硬體商獲益，包括視覺化，vr呈現，以及所有相關附屬產業等等，大家實現多贏。這項運動的背後需要的是非常簡單的方案，消費者需要一鍵式到達雲端的處理。nctech全部的工作就是為實現這個目的：一攬子工具包全自動實現驚豔之作。只要你想用資料做些創意性作品，你就可以用我們的工具包來實現。我們不是要把人們鎖定在系統裡面，那樣只會限制進一步開發新事物。
6. 組合技術正在不斷取得進展，比如成像和lidar資料的組合獲取與處理。你們也在這方面有所推進嗎？
7. 處理和視覺化獲取的資料變得越來越重要，你認為未來趨勢如何？
視覺化資料取決於你資料大小。看看今天所有裝置，一切都是關於物聯網的：多種型別的裝置在網路上通訊。我們所做的所有工作中，非常重要的一點是，我們的產品和服務都在網上可用，可以跨平台跨裝置（無論手機或電腦），這就意味著將雲和webgl作為使用者介面。無論資料多大多複雜，我們正在努力將資料處理到滿足充分利用你正在看的裝置潛能而呈現資料的狀況。如果你使用的是一台低解析度螢幕，它將僅僅提供給你同樣解析度的資料。如果你用pc檢視，那麼你將得到更高解析度的內容。對我們而言這都是關於雲和物聯網的，我們認為這是未來資料分享的方式。這並不僅僅是關於桌面計算機和人們互相傳送大檔案的問題，它是關於資料流的問題。這是關於裝置協作互聯採集資料，雲端處理，人們實時會話和推送需求的問題。而這對任何人來說都是最高效的方式。
8. 你是vr點雲領域的先驅。你能否向我們解釋一下什麼叫做vr點雲以及它們為何如此相關？
9. 你們已經將你們的3d視覺化軟體colourcloud遷移到google雲平台上去了，intel也是你們的合作夥伴。能告訴我們更多關於這件事的資訊嗎？
當然。正如我已經提到的，nctech對物聯網技術獲取和實現vr及ar的未來有著非常強烈和清晰的視角。google和intel有著同樣的視角並與我們攜手開發最好的產品體驗提供給大家，包括在e&c和其他領域。我們的「雲端的色彩雲」要做的是，使得任何我們推到市場上的硬體產品發揮作用，使得我們開發的工具包讓使用者了解他們所採集的資料正在發生哪些變化，以及在**發生變化。如果產品需要使用的我們的colourcloud技術，那麼上述處理流程就會被觸發，因為資料被推送到我們的伺服器上了，整個處理過程無需使用者覺察。一天下來他們就會得到他們要的資料。使用google和intel的高質量伺服器，使我們具備最有力的計算能力，能夠最大化地觸及顛覆工業界，從而使得我們的產品是長期成功而非曇花一現。他們也將於這些大平台一起發展。我們與intel的關係非常牢固：不僅僅是軟體或者服務層面的合作，也體現在硬體層面。我們正在開發晶元，新技術，新驅動，新工作流，所有有關雲和傳輸方式相關的技術。我們雙方都很高興和興奮能一起做這件事情。
10. 你預見未來測繪地理資訊產業的最主要的轉變是什麼？
這是個很有趣的問題，但是我能說的很有限。這樣說吧：在過去的兩年中，我們已經開始對自己有興趣的技術展開了工作。比如，最近發布的lasiris vr，實際上是2023年就開發了的，但是因為市場還沒有準備好，因此我們停滯了一下。我們確實預見市場走向，但是我們並不是僅僅建立然後試著賣掉它。我們只會在市場準備好的情況下，覺得可以成功才會去做。現在市場已經準備好迎接lasiris vr, 有著足夠的vr市場支撐，而lasiris是對高階vr是表現優秀的，因此它目前廣受歡迎。有著許多的新技術進入自動化工業界，其中也包括我提到的無人機。我們對獲得這些核心技術充滿激情，我們已經開發了這些技術用於高階部門和e&c領域乃至消費級水平，一旦到達消費級水平就可以廣泛使用了。未來的話我個人比較期待的還可能包括網上購物，這個領域我們已經關注好幾年了。使用現實捕獲裝置你能夠捕獲自己的財產和生活空間場景，把這些東西放在雲端，而你也可以把他們載入到虛擬實境世界中。同時使用ar和vr將無限提公升你在家裡的購物體驗，包括得到精確的尺寸和多維度的觀感等。我們非常期待這些的實現，但是如果沒有充分的現實捕獲裝置，這些倒也不可能實現。我們需要做出具有顛覆性的低成本硬體，否則就不可能讓人們每天都能使用它們。這也是我們面臨的巨大挑戰，不過我相信我們已經上路了，要不了幾年就可以實現它們。
資料視覺化 什麼是資料視覺化
資料對應的英文單詞是data，從資訊獲取的角度看，資料是對目標觀察和記錄的結果，是現實世界中的時間 地點 事件 其他物件或概念的描述。不同學者對資料的作用也給出不同的定義，大致分為以下3類 視覺化對應的兩個英文單詞 visualize和visualization。visualize是動詞，描述 生成...
視覺化建模
中科永聯高階技術培訓中心 www.itisedu.com 視覺化建模 visual modeling 是利用圍繞現實想法組織模型的一種思考問題的方法。模型對於了解問題 與專案相關的每個人 客戶 行業專家 分析師 設計者等 溝通 模仿企業流程 準備文件 設計程式和資料庫來說都是有用的。建模促進了對需求...
卷積視覺化
影象卷積操作的應用沒有嚴格的數學推導，即沒有數學推導表明每一層究竟表示什麼。為了了解卷積神經網路中每一層與原有影象的對應關係，文章visualizing and understanding convolutional networks通過反向卷積的方式實現了該過程。那具體如何操作的呢？得到的h1與真...