¿Cómo calcular la distancia con modelos de visión artificial?

Cuando cruzas la carretera y ves que se acerca un coche, puedes calcular al instante, de forma aproximada, a qué distancia está. Este juicio rápido, casi instintivo, se debe a que entiendes espacialmente lo que te rodea. Basándote en esta percepción, puedes decidir si acelerar el paso, detenerte o seguir caminando.

Del mismo modo, la visión por ordenador es una rama de la inteligencia artificial (AI) que permite a las máquinas desarrollar una comprensión de su entorno mediante la interpretación de datos visuales. Igual que puedes evaluar la proximidad de un coche para tomar decisiones rápidas, los modelos de visión por ordenador pueden analizar imágenes y vídeos, ayudando a las máquinas a percibir y reaccionar ante el mundo que las rodea.

Por ejemplo, Ultralytics YOLO11 es un modelo de visión por ordenador capaz de detectar y seguir objetos en imágenes y vídeos en tiempo real. En pocas palabras, YOLO11 analiza toda la imagen de una vez, en lugar de hacerlo por partes, lo que lo hace más rápido y eficiente. También puede realizar tareas de visión por ordenador como la segmentación de instancias, la estimación de la pose y la clasificación de imágenes.

En particular, las capacidades de Ultralytics YOLO11 pueden utilizarse para calcular la distancia entre objetos, lo que resulta útil en muchos ámbitos, como la fabricación, el comercio minorista y la gestión de multitudes, y ayuda a mejorar la seguridad y la eficiencia.

En este artículo, exploraremos cómo puede utilizarse Ultralytics YOLO11 para el cálculo de distancias en aplicaciones de visión por ordenador, por qué es importante y qué impacto tiene en distintos sectores.

Fig. 1. Un ejemplo del uso de YOLO para calcular la distancia de aterrizaje de un avión.

Descripción general del cálculo de distancias en visión por ordenador#

El cálculo de distancias en visión por ordenador consiste en detectar, localizar y medir los píxeles entre dos objetos de una imagen. Los píxeles son las unidades individuales que componen una imagen digital y cada uno representa un punto concreto con un valor específico de color o intensidad.

Para convertir las medidas en píxeles a distancias del mundo real, la calibración es fundamental. Puedes pensar en ella como el uso de una regla para medir algo y emplear después esa medida para comprender el tamaño de otros objetos. Al utilizar como referencia objetos de tamaño conocido, la calibración establece una relación entre los píxeles y las distancias físicas reales.

Veamos un ejemplo para entender cómo funciona. En la imagen siguiente, la moneda es el objeto de referencia y se conoce su tamaño (0.9in por 1.0in). Al comparar las medidas en píxeles de los demás objetos con el tamaño de la moneda, podemos calcular su tamaño real.

Fig. 2. Una moneda puede utilizarse como referencia para medir el tamaño real de otros objetos.

Sin embargo, el cálculo de distancias se realiza en un plano bidimensional (2D), lo que significa que solo mide las distancias horizontales y verticales entre objetos. Esto es diferente de la estimación de profundidad, que mide la distancia de los objetos en un espacio tridimensional, incluida su distancia respecto a la cámara.

Aunque las cámaras de profundidad pueden medir la profundidad real y proporcionar información espacial más detallada, en muchos casos basta con una distancia calibrada sencilla. Por ejemplo, conocer la separación entre objetos en un plano 2D funciona bien para tareas como seguir objetos o gestionar colas, por lo que la estimación de profundidad no es necesaria en esas situaciones.

Cómo funciona el cálculo de distancias con Ultralytics YOLO11#

A continuación, veremos paso a paso cómo calcular la distancia entre dos objetos utilizando la compatibilidad de Ultralytics YOLO11 con la detección de objetos y el seguimiento. Este es el proceso:

• Detección y seguimiento de objetos: Ultralytics YOLO11 puede utilizarse para detectar objetos reconociéndolos en un fotograma y siguiendo su movimiento entre fotogramas de un vídeo. Asigna un ID de seguimiento único a cada objeto, lo que permite al sistema supervisar su posición y movimiento durante todo el vídeo.
• Cajas delimitadoras: Se dibujan cajas delimitadoras alrededor de los objetos detectados a partir de los resultados de detección de objetos de Ultralytics YOLO11, que definen su ubicación en la imagen.
• Selección de objetos: Se pueden seleccionar dos objetos para centrarse en ellos, y Ultralytics YOLO11 actualiza las cajas delimitadoras a medida que los objetos se mueven en tiempo real.
• Cálculo del centroide: Los centroides (los puntos centrales de las cajas delimitadoras de los dos objetos) se calculan a partir de las coordenadas de las esquinas de las cajas delimitadoras y representan las posiciones de los objetos.
• Cálculo de distancias: A continuación, los centroides de los dos objetos pueden utilizarse para calcular la distancia euclídea entre ellos. La distancia euclídea es la distancia en línea recta entre dos puntos de un plano 2D, calculada mediante las diferencias tanto en la dirección horizontal como en la vertical. Esto proporciona la distancia entre los dos objetos en píxeles.

Es importante tener en cuenta que las distancias calculadas con este método son solo estimaciones, ya que se basan en medidas de píxeles 2D.

Fig. 3. Uso de Ultralytics YOLO para detectar a una persona y calcular distancias.

El impacto de la estimación de distancias con YOLO#

Teniendo en cuenta que el cálculo de distancias mediante Ultralytics YOLO11 es una estimación, quizá te preguntes: ¿Dónde puede utilizarse y qué diferencia puede marcar?

Puesto que se utilizan calibraciones para obtener estas estimaciones de distancia, son suficientemente precisas para ayudar en muchas situaciones prácticas. La estimación de distancias de Ultralytics YOLO11 resulta especialmente útil en entornos dinámicos, como los almacenes, donde los objetos están constantemente en movimiento y es necesario realizar ajustes en tiempo real para que todo funcione correctamente.

Un ejemplo interesante es utilizar YOLO11 para seguir paquetes en una cinta transportadora y estimar en tiempo real la distancia entre ellos. Esto ayuda a los responsables del almacén a garantizar que los paquetes estén correctamente separados, evitando colisiones y manteniendo el buen funcionamiento de las operaciones.

En estos casos, no siempre es necesaria una distancia exacta. Normalmente, se establece un intervalo o umbral para la distancia óptima, por lo que una estimación funciona bien para este tipo de aplicaciones.

Fig. 4. Detección de paquetes mediante Ultralytics YOLO11 y cálculo de la distancia entre ellos.

Cálculo de distancias en aplicaciones de visión por ordenador#

Diversas aplicaciones de visión por ordenador pueden beneficiarse del cálculo de la distancia entre objetos mediante Ultralytics YOLO11. Por ejemplo, en la analítica del comercio minorista, ayuda a mejorar la gestión de colas mediante el seguimiento de las posiciones de los clientes en tiempo real. Esto permite a las empresas asignar mejor los recursos, reducir los tiempos de espera y crear una experiencia de compra más fluida. Al ajustar dinámicamente los niveles de personal y gestionar el flujo de clientes, las tiendas pueden evitar las aglomeraciones y optimizar el uso del espacio.

Del mismo modo, en la gestión del tráfico, la estimación de distancias ayuda a supervisar la separación entre vehículos y analizar los patrones de tráfico. Puede utilizarse para detectar comportamientos peligrosos, como circular demasiado cerca del vehículo precedente, y ajustar los semáforos para mantener un flujo de tráfico fluido. También puede hacer que las carreteras sean más seguras al identificar posibles problemas y mejorar la gestión general del tráfico en tiempo real.

Fig. 5. El cálculo de distancias mediante visión artificial puede utilizarse para supervisar el tráfico.

Otro uso particular de esta tecnología se produjo durante la pandemia de COVID-19, cuando ayudó a fomentar el distanciamiento social. Permitió garantizar que las personas mantuvieran una distancia segura en espacios públicos, tiendas y hospitales, reduciendo el riesgo de propagación del virus.

Al seguir las distancias en tiempo real, podían enviarse alertas cuando las personas estaban demasiado cerca, lo que facilitaba que las empresas y los proveedores sanitarios reaccionaran rápidamente y mantuvieran un entorno más seguro para todos.

Ventajas e inconvenientes del cálculo de distancias en visión por ordenador#

Ahora que hemos analizado algunas de las aplicaciones del cálculo de distancias mediante visión por ordenador, veamos más de cerca sus ventajas:

• Automatización: La IA de visión puede automatizar tareas de cálculo de distancias que, de otro modo, requerirían un seguimiento manual, reduciendo los errores humanos y los costes de mano de obra, al tiempo que aumenta la productividad.
• Optimización de recursos: Al conocer la separación y proximidad aproximadas de los objetos, se pueden optimizar los recursos (como el personal o la maquinaria), reducir el desperdicio y mejorar los flujos de trabajo.
• Complejidad de configuración mínima: Una vez configurados, los sistemas de cálculo de distancias mediante visión requieren relativamente poco mantenimiento y menos intervención humana que otros sistemas que dependen de entradas manuales o maquinaria compleja.

A pesar de estas ventajas, también hay algunas limitaciones que debes tener en cuenta al implementar este tipo de sistemas. Estos son algunos factores clave que debes considerar en relación con el cálculo de distancias mediante visión por ordenador:

• Sensibilidad a los factores ambientales: La precisión del cálculo de distancias puede verse afectada por las condiciones de iluminación, las sombras, los reflejos o las obstrucciones, lo que puede provocar errores o incoherencias.
• Problemas de privacidad: Utilizar la visión por ordenador para seguir objetos o personas puede plantear problemas de privacidad, especialmente en espacios públicos o entornos sensibles en los que puedan estar implicados datos personales.
• Complejidad en situaciones con múltiples objetos: En entornos con numerosos objetos en movimiento, calcular con precisión las distancias entre varios objetos de forma simultánea puede generar confusión, especialmente si están muy juntos o se cruzan.

Conclusiones clave#

Calcular la distancia entre objetos mediante Ultralytics YOLO11 es una solución fiable que puede ayudar en la toma de decisiones. Resulta especialmente útil en entornos dinámicos como almacenes, comercios y gestión del tráfico, donde controlar la proximidad de los objetos puede mejorar la eficiencia y la seguridad.

Ultralytics YOLO11 permite automatizar tareas que normalmente requerirían trabajo manual. Aunque existen algunos retos, como la sensibilidad a los factores ambientales y los problemas de privacidad, sus ventajas, como la automatización, la escalabilidad y la facilidad de integración, hacen que tenga un gran impacto. A medida que la visión por ordenador siga mejorando, especialmente en áreas como el cálculo de distancias, es probable que veamos un cambio significativo en la forma en que las máquinas interactúan con su entorno y lo comprenden.

¡Únete a nuestra comunidad! Explora nuestro repositorio de GitHub para obtener más información sobre la IA de visión. Si te interesa aprovechar la visión por ordenador, consulta nuestras opciones de licencia. Descubre cómo la visión por ordenador en la atención sanitaria mejora la eficiencia y conoce el impacto de la IA en la agricultura visitando nuestras páginas de soluciones.