潜心多年锻造 未来世代的AI科技
OpenSpace运用前沿技术让建筑工程行业变得更高效透明
OpenSpace采用计算机视觉、人工智能和数据可视化技术，是即联即用的被动视频拍摄和自动图片定位的领导者。在过去的四年内，我们已经为客户拍摄采集了上亿平米的项目图像数据，再次验证了我们的速度和便利。我们是新型AI工具的先驱，推出OpenSpace Track，用图片为项目状态和进度提供前所未有的洞见。
OpenSpace背后的科技类似无人驾驶的感知和导航系统，是将近20年的研发成果的积累。我们的团队来自麻省理工、加州理工、斯坦福和伯克利，专注开发建筑行业的算法。
OpenSpace视觉引擎
OpenSpace专利级的视觉引擎技术是全球第一个全自动现实拍摄系统的核心。建筑者和业主可以拍摄360视频和照片，比使用其他工具的耗时要小得多，且无需任何手动输入。此外，视觉引擎在不断学习，您行走得越多，其处理得越快、越准确。
计算机视觉
计算机视觉是计算机解读和理解电子图片和视频的方式。它被广泛运用于各个行业，例如自动化、医学影像、机器人和无人驾驶等。视觉引擎有赖于计算机视觉来自动将图片在一个集成场景中排列，识别并标注其关键特征，然后在平面图上绘制。这些特征可以通过图片和空间追踪，让人更好理解所拍摄的环境。
3D重建
3D重建是从2D图片重新创建3D物体或空间的过程。其用于医学、测量、机器人和矿产领域。视觉引擎利用3D重建定位空间特征并创建3D环境。比较两个图片的特征，然后计算相机的位置，以最佳排列这些特征。每个全面的OpenSpace360视频拍摄中，这个过程会被重复几千次，从而创建出一个3D点云。点云采用直接方式，将图片特征和空间中的3D位置连接。
机器学习
机器学习指在没有具体指令下，计算机如何查找模型和解决方案。机器学习算法基于训练数据创建数学模型，无需明确设计程序如何执行任务，即可预测未来结果。视觉引擎将每个拍摄和每次巡检作为训练的数据集，实行追踪。每次您在工地行走，视觉引擎会对您的3D环境了解更多，可以更快、更准确地进行排列和绘图。
同步定位与地图构建（SLAM）
同步定位与地图构建（SLAM）指在未知环境中移动的同时，可对未知环境构建地图的科技。SLAM是用于无人驾驶导航的核心算法之一，感应器在当地环境移动时，会持续拍摄照片或进行扫描，算法将排列序列数据，以在平面图上估算行走路径。机器学习系统会利用后续拍摄，优化估值，增加每次行走的精确度。
OpenSpace Track
进度追踪对建筑来说至关重要。虽然每个团队都有电子表格和施工进度表，但缺少获取一手且直观数据的能力。基于图片的数据可以定位至平面图，为您提供洞见。建筑者是视觉型人群，有敏锐的空间能力，别让他们整日待在工作隔间里。
OpenSpace Track是一套追踪和分析工具，可将图片变为洞见。您的团队不可能覆盖和查看所有区域。OpenSpace Track的作用类似一个数字副驾驶员，可覆盖您的盲区，为您提供所需数据，以更好做出决定。通过视觉引擎，OpenSpace Track可随时随地分割、分类和追踪整个空间的具体物体和系统。
图像分割
图像分割是将同类像素分到一组，组成逻辑块。这些逻辑块可以是单纯按照特征，例如：一件黄色衬衫的所有像素会组成一个块，而一条红围巾的所有像素会组成另外一个块。此外，像素也可以和预设的类别及标签进行关联。OpenSpace正在使用图像分割开发一系列用于建筑领域的分类和分类器，将原图转化为逻辑分割，用于追踪和计算。
物体查找
物体查找是指在图片中提取及识别具体物体的过程，通常用于在嘈杂背景中查找具体事项。OpenSpace调整了物体查找方式，可在工地轻松查找物体。只需在图片中选择要查找的物体（例如灯具），OpenSpace会在您的项目中找到相似物体。然后，我们就可以追踪该物体在图片中出现的次数及楼层。
进度追踪
在处理、排列、定位及分割图片后，可分析图片以追踪进度。可使用物体识别定位物体，使用图像分割对物体分类，然后使用点云在3D空间内进行定位和追踪。最终生成项目动态的量化图表，用来确认工作、促进各方协同及评估效率。
大数据视觉化
大数据视觉化是将大型复杂的数据视觉化呈现，让数据更易解读和理解。OpenSpace 在创新型视觉化方面历史悠久。最早是TED演讲上一名麻省理工的研究人员描述如何录制了9万小时的家庭视频，以便了解他幼小的儿子如何及何时学会新单词。我们的创始人当时正是这名研究人员的学生。