Comment calculer la distance à l'aide de modèles de vision par ordinateur ?

Lorsque vous traversez la route et que vous voyez une voiture arriver vers vous, vous pouvez instantanément déterminer à quelle distance elle se trouve approximativement. Ce jugement rapide, presque instinctif, est dû à une compréhension spatiale de votre environnement. Sur la base de ce sens, vous pouvez décider d'accélérer, de vous arrêter ou de continuer à marcher. 

De même, la vision par ordinateur est une branche de l'intelligence artificielle (IA) qui permet aux machines de développer une compréhension de leur environnement en interprétant des données visuelles. Tout comme vous pouvez évaluer la proximité d'une voiture pour prendre des décisions rapides, les modèles de vision par ordinateur peuvent analyser des images et des vidéos, aidant ainsi les machines à percevoir le monde qui les entoure et à y réagir.

Par exemple, Ultralytics YOLO11 est un modèle de vision par ordinateur qui peut détecter et suivre des objets dans des images et des vidéos en temps réel. En termes simples, YOLO11 fonctionne en regardant l'image entière en une seule fois, plutôt que par parties, ce qui le rend plus rapide et plus efficace. Il peut également gérer des tâches de vision par ordinateur telles que la segmentation d'instance, l'estimation de pose et la classification d'images.

En particulier, les capacités de YOLO11 peuvent être utilisées pour calculer la distance entre les objets, ce qui est utile dans de nombreux domaines tels que la fabrication, la vente au détail et la gestion des foules, contribuant ainsi à améliorer la sécurité et l'efficacité.

Dans cet article, nous allons explorer comment YOLO11 peut être utilisé pour le calcul de distance dans les applications de vision par ordinateur, pourquoi c'est important et son impact dans différents secteurs.

‍

Un aperçu du calcul de distance en vision par ordinateur

Le calcul de la distance en vision par ordinateur implique la détection, la localisation et la mesure des pixels entre deux objets dans une image. Les pixels sont les unités individuelles qui composent une image numérique, chacune représentant un point unique avec une couleur ou une valeur d'intensité spécifique. 

Pour convertir les mesures en pixels en distances réelles, l'étalonnage est essentiel. Vous pouvez considérer cela comme l'utilisation d'une règle pour mesurer quelque chose, puis utiliser cette mesure pour comprendre la taille d'autres objets. En référençant des objets de tailles connues, l'étalonnage crée un lien entre les pixels et les distances physiques réelles.

Prenons un exemple pour voir comment cela fonctionne. Dans l'image ci-dessous, la pièce est l'objet de référence, et sa taille (0,9 pouce sur 1,0 pouce) est connue. En comparant les mesures en pixels des autres objets à la taille de la pièce, nous pouvons calculer leur taille réelle.

‍

Cependant, le calcul de la distance se fait dans un plan bidimensionnel (2D), ce qui signifie qu'il ne mesure que les distances horizontales et verticales entre les objets. Ceci est différent de l'estimation de la profondeur, qui mesure la distance des objets dans l'espace tridimensionnel, y compris leur distance par rapport à la caméra.

Bien que les caméras de profondeur puissent mesurer la profondeur réelle et fournir des informations spatiales plus détaillées, dans de nombreux cas, une simple distance calibrée suffit. Par exemple, connaître la distance entre les objets dans un plan 2D fonctionne bien pour des tâches telles que le suivi d'objets ou la gestion des files d'attente, de sorte que l'estimation de la profondeur n'est pas nécessaire dans ces situations.

Comprendre le calcul de la distance avec YOLO11

Ensuite, expliquons comment calculer la distance entre deux objets en utilisant la prise en charge de détection d'objets et de suivi de YOLO11. Voici une ventilation :

• Détection et suivi d'objets : YOLO11 peut être utilisé pour détecter des objets en les reconnaissant dans une image et en suivant leur mouvement d'une image à l'autre dans une vidéo. Il attribue un ID de suivi unique à chaque objet, permettant au système de surveiller sa position et son mouvement tout au long de la vidéo.
  ‍
• Boîtes englobantes : Des boîtes englobantes sont dessinées autour des objets détectés en fonction des résultats de la détection d’objets de YOLO11, qui définissent leur emplacement dans l’image.
  ‍
• Sélection d'objets : Deux objets peuvent être sélectionnés pour être mis en évidence, et YOLO11 met à jour les boîtes englobantes en temps réel au fur et à mesure que les objets se déplacent.
  ‍
• Calcul du centroïde : Les centroïdes (les points centraux des boîtes englobantes des deux objets) sont calculés en fonction des coordonnées des coins des boîtes englobantes, représentant les positions des objets.
  ‍
• Calcul de la distance : Les centroïdes des deux objets peuvent ensuite être utilisés pour calculer la distance euclidienne entre eux. La distance euclidienne est la distance en ligne droite entre deux points dans un plan 2D, calculée à l'aide des différences dans les directions horizontale et verticale. Cela fournit la distance entre les deux objets en pixels.

Il est important de garder à l'esprit que les distances calculées à l'aide de cette méthode ne sont que des estimations car elles sont basées sur des mesures de pixels 2D.

‍

L'impact de l'estimation de distance YOLO

Étant donné que le calcul des distances à l'aide de YOLO11 est une estimation, vous vous demandez peut-être : où cela peut-il être utilisé et comment cela peut-il faire une différence ? 

Étant donné que les calibrages sont utilisés pour parvenir à ces estimations de distance, elles sont suffisamment précises pour être utiles dans de nombreuses situations pratiques. L'estimation de distance de YOLO11 est particulièrement utile dans les environnements dynamiques, comme les entrepôts, où les objets sont constamment en mouvement et où des ajustements en temps réel sont nécessaires pour assurer le bon fonctionnement.

Un exemple intéressant est l'utilisation de YOLO11 pour suivre les colis sur un tapis roulant et estimer la distance entre eux en temps réel. Cela aide les responsables d'entrepôt à s'assurer que les colis sont correctement espacés, ce qui évite les collisions et assure un bon fonctionnement. 

Dans de tels cas, une distance exacte n'est pas toujours nécessaire. En général, une plage ou un seuil pour la distance optimale est défini, de sorte qu'une estimation fonctionne bien pour ces types d'applications.

‍

Calcul de la distance dans les applications de vision par ordinateur

Diverses applications de vision par ordinateur peuvent bénéficier du calcul de la distance entre les objets à l'aide de YOLO11. Dans l'analyse de vente au détail, par exemple, cela permet d'améliorer la gestion des files d'attente en suivant les positions des clients en temps réel. Cela permet aux entreprises de mieux allouer les ressources, de réduire les temps d'attente et de créer une expérience d'achat plus fluide. En ajustant dynamiquement les niveaux de personnel et en gérant le flux de clients, les magasins peuvent éviter le surpeuplement et optimiser l'utilisation de l'espace.

De même, dans la gestion du trafic, l'estimation de la distance permet de surveiller l'espacement entre les véhicules et d'analyser les schémas de circulation. Cela peut être utilisé pour détecter les comportements dangereux, comme le talonnage, et ajuster les feux de circulation pour assurer la fluidité du trafic. Cela peut contribuer à rendre les routes plus sûres en identifiant les problèmes potentiels et en améliorant la gestion globale du trafic en temps réel.

‍

Une autre utilisation unique de cette technologie a eu lieu pendant la pandémie de COVID-19, lorsqu'elle a contribué à promouvoir la distanciation sociale. Elle a permis de s'assurer que les gens gardaient une distance de sécurité dans les espaces publics, les magasins et les hôpitaux, réduisant ainsi le risque de propagation du virus. 

En suivant les distances en temps réel, des alertes pourraient être envoyées lorsque des personnes sont trop proches, ce qui permettrait aux entreprises et aux prestataires de soins de santé de réagir rapidement et de maintenir un environnement plus sûr pour tous.

Avantages et inconvénients du calcul de distance dans la vision par ordinateur

Maintenant que nous avons discuté de certaines des applications du calcul de distance à l'aide de la vision par ordinateur, voici un aperçu plus précis des avantages associés :

• Automatisation : L'IA de vision peut automatiser les tâches de calcul de distance qui nécessiteraient autrement un suivi manuel, réduisant ainsi les erreurs humaines et les coûts de main-d'œuvre tout en augmentant la productivité.
  ‍
• Optimisation des ressources : En connaissant l’espacement et la proximité approximatifs des objets, les ressources (comme le personnel ou les machines) peuvent être optimisées, ce qui réduit le gaspillage et améliore les flux de travail.
  ‍
• Complexité de configuration minimale : Une fois mis en place, les systèmes de calcul de distance basés sur la vision sont relativement simples à entretenir et nécessitent moins d'intervention humaine que les autres systèmes qui reposent sur une saisie manuelle ou des machines complexes.

Malgré ces avantages, il existe également certaines limites à garder à l'esprit lors de la mise en œuvre de tels systèmes. Voici un aperçu rapide des principaux facteurs à prendre en compte en matière de calcul de distance à l'aide de la vision par ordinateur :

• Sensibilité aux facteurs environnementaux : La précision du calcul de la distance peut être affectée par les conditions d'éclairage, les ombres, les reflets ou les obstructions, ce qui peut entraîner des erreurs ou des incohérences.
  ‍
• Préoccupations relatives à la confidentialité : L'utilisation de la vision par ordinateur pour suivre des objets ou des personnes peut soulever des problèmes de confidentialité, en particulier dans les espaces publics ou les environnements sensibles où des données personnelles pourraient être impliquées.
  ‍
• Complexité dans les scénarios multi-objets : Dans les environnements comportant de nombreux objets en mouvement, le calcul précis des distances entre plusieurs objets simultanément peut entraîner une confusion, en particulier s'ils sont proches les uns des autres ou s'ils se croisent.

Principaux points à retenir

Calculer la distance entre les objets à l'aide de YOLO11 est une solution fiable qui peut soutenir la prise de décision. Elle est particulièrement utile dans les environnements dynamiques tels que les entrepôts, le commerce de détail et la gestion du trafic, où le suivi de la proximité des objets peut améliorer l'efficacité et la sécurité. 

YOLO11 permet d'automatiser des tâches qui nécessiteraient normalement un effort manuel. Bien qu'il existe certains défis, tels que la sensibilité aux facteurs environnementaux et les préoccupations relatives à la confidentialité, les avantages, tels que l'automatisation, l'évolutivité et la facilité d'intégration, le rendent percutant. À mesure que la vision par ordinateur continue de s'améliorer, en particulier dans des domaines tels que le calcul de la distance, il est probable que nous assistions à un véritable changement dans la façon dont les machines interagissent avec leur environnement et le comprennent.

Rejoignez notre communauté ! Explorez notre dépôt GitHub pour en savoir plus sur la Vision IA. Si vous souhaitez exploiter la vision par ordinateur, consultez nos options de licence. Découvrez comment la vision par ordinateur dans le secteur de la santé améliore l'efficacité et constatez l'impact de l'IA dans l'agriculture en consultant nos pages de solutions !