本指南将介绍如何将 DepthAI（空间 AI 平台）集成到您自己的定制产品中。在设计 PCB 时，请 同时参阅 OAK 设计指南和机械注意事项 。 在设计 DepthAI 平台时，我们始终努力考虑长期的集成需求，目标是使其尽可能简单地集成到其他产品中。 OAK SoM 是一款小型 PCB，配备强大的 RVC2 。RVC2 拥有 16 个强大的 SHAVE 核心，并配备神经网络计算引擎，这是用于深度神经网络推理的专用硬件加速器。此外，OAK-SoM-Pro 还配备了 NOR Flash，可用作 USB 引导的替代方案。SoM 的理念是让客户能够利用它来构建自己的设备，因为 SoM 本身是一个非常复杂的 12 层 PCB。这样，我们的 SoM 设备就充当了一个抽象层。它们也可以在 独立模式 下使用，无需主机计算机，尽管并非所有设备都支持此用例。 我们有 2 种类型的 RVC2 SoM 设备： 它们之间的主要区别在于： NOR Flash 功能，OAK-SoM 默认不带 NOR Flash ，而 Pro 默认配备 1Gbit NOR Flash（某些版本使用 125Mbit）， 这使得 Pro 可以在独立模式下使用，无需主机计算机，而 OAK-SoM 需要主机计算机通过 USB 启动。Pro 还支持以太网和 SD 卡 功能（两者互斥）。 就像我们的 软件 和 库 一样，我们的 硬件 也是开源的。这样它就不是一个黑盒子。它允许您查看我们的设备（PCB）是如何设计的，并根据需要进行修改。即使是高中生也能通过修改现有的开源设计来设计自己的底板。大部分复杂性都在 SoM 上，因此底板可以是一个 2 层 PCB。 这是没有 SoM 的底板示例： 这是底板上带有 SoM 的示例 - OAK-FFC 4P ： OAK-SoM-IoT 和 OAK-SoM-Pro 具有 QSPI NOR Flash，能够进行快速随机访问，用于存储和运行代码。这是支持 独立 用例的关键因素。 功耗可能因应用程序而异。以 30 FPS 运行 Mobilenet-SSD V2 的立体视觉应用程序通常消耗约 2.5 W，但计算量更大的应用程序可能消耗高达 5 W。大部分功耗由 RVC2 消耗。 有关更多信息，请参阅我们 GitHub 硬件存储库中的相应数据手册 OAK-SoM 数据手册 。 从立体相机对（或多对相机）获取深度信息的 OAK 模型，通过特征匹配和三角测量来实现。特征匹配是通过将一个相机每行获取的特征与立体对中第二个相机相同行获取的特征进行比较来实现的。 为了实现这一点，必须对相机进行校准，以便一个相机的水平线能够与立体对中另一个相机的水平线完美对齐。 此校准涉及： 左相机的内参。 右相机的内参。 左相机和右相机之间的平移和旋转外参。 畸变校正参数，用于对齐立体相机的行。 内参矩阵包含对每台相机焦距和光学中心的估计，这对于在立体设置中获得精确的深度计算至关重要。外参校准提供相机的相对位置，而畸变校正则确保立体图像的对齐以进行特征匹配。 为了获得高质量的深度结果，这些参数必须随着时间的推移保持稳定，因此需要相机模块及其安装具有刚性物理特性，以防止意外移动或旋转。 确保相机组件坚固，没有机械应力、负载或扭矩。 考虑安装点和电缆入口点，以最大限度地减少可能导致相机变形的运动和压力。 尽早与 Luxonis 分享设计，以获得关于机械稳健性的反馈。 将相机安装在刚性结构上：用附近的金属支撑加固 PCB 安装点，以防止弯曲。 使用热隔离的金属进行安装，以避免热膨胀影响相机对齐。 设计外部入口点，以防止外力导致相机旋转或平移。 使用牢固拧紧的 M12/C/CS 接口相机；使用尼龙螺纹以防止因振动而松动。 使用压敏胶 (PSA) 和硬质胶水的组合固定紧凑型相机模块 (CCM)，以防止从柔性扁平电缆 (FFC) 上脱落。 有关更多详细信息，请参阅 相机内参矩阵文档 。
