Stereo Vision

الرؤية المجسمة، والمعروفة أيضاً بالرؤية ستيريو، هي تقنية رؤية حاسوبية تُستخدم لاستخراج معلومات العمق ثلاثي الأبعاد من الصور الرقمية. من خلال مقارنة صورتين أو أكثر ثنائيتي الأبعاد لنفس المشهد تم التقاطهما من زوايا مختلفة قليلاً—مما يحاكي الرؤية المزدوجة لدى البشر—تستطيع أنظمة الذكاء الاصطناعي حساب المسافة إلى الأشياء بدقة. تُعد هذه القدرة أساسية لـ الذكاء المكاني، مما يسمح للآلات بالتنقل في بيئاتها والتفاعل مع الأشياء المادية بأمان.

Link to this sectionكيف تعمل الرؤية المجسمة#

تعتمد العملية على إيجاد الاختلافات بين لقطات الكاميرا اليمنى واليسرى. التحدي الأساسي هنا هو مشكلة المراسلات، والتي تتضمن تحديد نفس البكسلات أو السمات بدقة في كلتا الصورتين. بمجرد العثور على النقاط المتطابقة، يقوم النظام بحساب الإزاحة الأفقية، مما ينشئ خريطة التباين.

في خريطة التباين، تشير الإزاحات الأكبر إلى أشياء أقرب، بينما تعني الإزاحات الأصغر أن الشيء أبعد. باستخدام التثليث، يتم بعد ذلك تحويل هذه الخريطة إلى سحابة نقاط ثلاثية الأبعاد كثيفة. وفي حين أن الخوارزميات الرياضية التقليدية قد قادت هذه الحسابات تاريخياً، فإن الأساليب الحديثة تعتمد بشكل متزايد على الشبكات العصبية التلافيفية (CNNs) والتعلم العميق لتحسين دقة مطابقة السمات في ظروف الإضاءة المعقدة أو المناطق عديمة الملمس، كما هو مفصل في أبحاث IEEE للرؤية الحاسوبية الأخيرة.

Link to this sectionالرؤية المجسمة مقابل تقدير العمق الأحادي#

من المهم التمييز بين الرؤية المجسمة وتقنيات تقدير العمق التي تستخدم كاميرا واحدة فقط. يستخدم تقدير العمق الأحادي نماذج التعلم العميق للتنبؤ بالهياكل ثلاثية الأبعاد من صورة ثنائية الأبعاد واحدة بناءً على إشارات بصرية مثل المنظور والظلال. في المقابل، تقيس الأنظمة المجسمة العمق مباشرة باستخدام العلاقة الهندسية بين عدستي الكاميرا. وعلى الرغم من أن الأساليب الأحادية أخف من الناحية الحسابية، إلا أن الرؤية المجسمة توفر عادةً قياسات عمق أكثر دقة وفورية، وهي ضرورية لأنظمة السلامة الحرجة.

Link to this sectionتطبيقات الذكاء الاصطناعي في العالم الحقيقي#

تعد الأنظمة المجسمة حيوية عبر مختلف الصناعات التي تتطلب اكتشاف الأشياء ثلاثية الأبعاد والوعي المكاني في العالم الحقيقي.

• التنقل في القيادة الذاتية: تستخدم تقنيات القيادة الذاتية التي طورتها شركات مثل Waymo كاميرات ستيريو لقياس المسافة بدقة إلى المشاة والمركبات الأخرى والعوائق في الوقت الفعلي، وتغذية بيانات العمق الدقيقة هذه في أنظمة النمذجة التنبؤية لتخطيط مسارات آمنة.
• أتمتة الروبوتات الصناعية: تستخدم روبوتات التصنيع الرؤية المجسمة لمهام التقاط الأشياء المعقدة من الصناديق. من خلال حساب العمق والاتجاه الدقيق للأجزاء المبعثرة على حزام النقل، يمكن للأنظمة الروبوتية محاذاة مقابضها بشكل مثالي، مما يحسن الكفاءة في خطوط أنابيب التصنيع الذكية.
• التصوير الطبي المتقدم: تستخدم الروبوتات الجراحية وأنظمة التشخيص كاميرات مجسمة لمنح الجراحين رؤية ثلاثية الأبعاد دقيقة للغاية لتشريح المريض أثناء الإجراءات طفيفة التوغل، وهو اتجاه يتم تسليط الضوء عليه بشكل متكرر في مسودات arXiv الحديثة حول الذكاء الاصطناعي الطبي.

Link to this sectionدمج الذكاء الاصطناعي مع بيانات الستيريو#

غالباً ما يستخدم المطورون الرؤية المجسمة جنباً إلى جنب مع اكتشاف الأشياء لمعرفة ما هو الشيء وما مدى بعده. يُستخدم إطار عمل OpenCV بشكل شائع لإنشاء خرائط التباين، وغالباً ما يتم دمجه ضمن خطوط أنابيب PyTorch أو TensorFlow الأوسع، بينما تتعامل نماذج الذكاء الاصطناعي مع الإدراك. فيما يلي مثال مفاهيمي لاكتشاف الأشياء باستخدام Ultralytics YOLO26 واسترداد صناديق الإحاطة الخاصة بها، والتي يمكن استخدامها بعد ذلك لاستخراج قيم المسافة المتوسطة من خريطة تباين OpenCV مرتبطة.

import cv2
from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model for high-speed edge inference
model = YOLO("yolo26n.pt")

# Read the left camera frame (typically used as the primary frame for detection)
left_frame = cv2.imread("left_camera_frame.jpg")

# Run inference to detect objects in the scene
results = model(left_frame)

# Extract bounding boxes to later combine with a stereo disparity map
for result in results:
    for box in result.boxes.xyxy:
        x1, y1, x2, y2 = map(int, box[:4])
        print(f"Detected object bounding box: [{x1}, {y1}, {x2}, {y2}]")
        # Depth values can now be extracted from the disparity map within this specific region

Link to this sectionالتطورات والاتجاهات المستقبلية#

أصبح تدريب ونشر نماذج الإدراك المتقدمة مبسطاً للغاية. باستخدام أدوات مثل منصة Ultralytics، يمكن للفرق التعليق بشكل آمن على أزواج الستيريو، وتدريب نماذج قوية، وتصديرها إلى تنسيقات محسنة مثل TensorRT للاستنتاج منخفض التأخير على أجهزة الذكاء الاصطناعي الطرفية.

تظهر التطورات الأخيرة من مؤسسات مثل مختبر ستانفورد للرؤية والتعلم اتجاهاً متزايداً في دمج الرؤية المجسمة مع محولات الرؤية (ViT) والنماذج التأسيسية من Google DeepMind لحل مشكلة المراسلات بشكل أسرع. علاوة على ذلك، مع تطور نماذج الذكاء الاصطناعي متعددة الوسائط من قادة مثل Anthropic وOpenAI، سيستمر دمج البيانات المكانية ثلاثية الأبعاد القوية في دفع حدود ما يمكن أن تدركه وتفهمه وكلاء الذكاء الاصطناعي المجسد.