Come calcolare la distanza usando i modelli di computer vision?

Quando attraversi la strada e vedi un'auto venire verso di te, puoi capire immediatamente, all'incirca, quanto è lontana. Questo giudizio rapido, quasi istintivo, è possibile grazie a una comprensione spaziale dell'ambiente circostante. Basandoti su questa percezione, puoi decidere se accelerare, fermarti o continuare a camminare.

Analogamente, la computer vision è un ramo dell'intelligenza artificiale (AI) che consente alle macchine di sviluppare una comprensione dell'ambiente circostante interpretando dati visivi. Proprio come puoi valutare la vicinanza di un'auto per prendere decisioni rapide, i modelli di computer vision possono analizzare immagini e video, aiutando le macchine a percepire e reagire al mondo che le circonda.

Ad esempio, Ultralytics YOLO11 è un modello di computer vision in grado di rilevare e tracciare oggetti in immagini e video in tempo reale. In parole semplici, YOLO11 analizza l'intera immagine in una sola volta, anziché suddividerla in parti, risultando così più veloce ed efficiente. Può inoltre gestire attività di computer vision come la segmentazione delle istanze, la stima della posa e la classificazione delle immagini.

In particolare, le funzionalità di Ultralytics YOLO11 possono essere utilizzate per calcolare la distanza tra gli oggetti, una soluzione utile in molti ambiti, come la produzione, la vendita al dettaglio e la gestione della folla, per migliorare la sicurezza e l'efficienza.

In questo articolo analizzeremo come utilizzare Ultralytics YOLO11 per il calcolo della distanza nelle applicazioni di computer vision, perché è importante e quale impatto ha in diversi settori.

Fig. 1. Un esempio dell'utilizzo di YOLO per calcolare la distanza di atterraggio di un aereo.

Panoramica del calcolo della distanza nella computer vision#

Il calcolo della distanza nella computer vision consiste nel rilevare, localizzare e misurare i pixel tra due oggetti in un'immagine. I pixel sono le singole unità che compongono un'immagine digitale e ciascuno rappresenta un punto con uno specifico valore di colore o intensità.

Per convertire le misure in pixel in distanze reali, la calibrazione è fondamentale. Puoi considerarla come l'utilizzo di un righello per misurare qualcosa e poi usare quella misura per comprendere le dimensioni di altri oggetti. Facendo riferimento a oggetti di dimensioni note, la calibrazione crea un collegamento tra i pixel e le distanze fisiche effettive.

Vediamo un esempio per capire come funziona. Nell'immagine seguente, la moneta è l'oggetto di riferimento e le sue dimensioni (0.9in per 1.0in) sono note. Confrontando le misure in pixel degli altri oggetti con le dimensioni della moneta, possiamo calcolarne le dimensioni reali.

Fig. 2. Una moneta può essere usata come riferimento per misurare le dimensioni reali di altri oggetti.

Tuttavia, il calcolo della distanza viene eseguito su un piano bidimensionale (2D), quindi misura solo le distanze orizzontali e verticali tra gli oggetti. Questo è diverso dalla stima della profondità, che misura la distanza degli oggetti nello spazio tridimensionale, inclusa la loro distanza dalla fotocamera.

Sebbene le fotocamere di profondità possano misurare la profondità reale e fornire informazioni spaziali più dettagliate, in molti casi è sufficiente una semplice distanza calibrata. Ad esempio, sapere quanto sono distanti gli oggetti su un piano 2D funziona bene per attività come il tracciamento degli oggetti o la gestione delle code, quindi in queste situazioni non è necessaria la stima della profondità.

Come funziona il calcolo della distanza con Ultralytics YOLO11#

Vediamo ora come calcolare la distanza tra due oggetti utilizzando il supporto di Ultralytics YOLO11 per il rilevamento degli oggetti e il tracciamento. Ecco una panoramica:

• Rilevamento e tracciamento degli oggetti: Ultralytics YOLO11 può essere utilizzato per rilevare gli oggetti riconoscendoli in un fotogramma e tracciandone il movimento tra i fotogrammi di un video. Assegna un ID di tracciamento univoco a ogni oggetto, consentendo al sistema di monitorarne la posizione e il movimento per tutta la durata del video.
• Riquadri di delimitazione: Intorno agli oggetti rilevati vengono disegnati riquadri di delimitazione in base ai risultati del rilevamento degli oggetti di Ultralytics YOLO11, che ne definiscono la posizione nell'immagine.
• Selezione degli oggetti: È possibile selezionare due oggetti su cui concentrarsi e Ultralytics YOLO11 aggiorna i riquadri di delimitazione mentre gli oggetti si muovono in tempo reale.
• Calcolo del centroide: I centroidi (i punti centrali dei riquadri di delimitazione dei due oggetti) vengono calcolati in base alle coordinate degli angoli dei riquadri di delimitazione e rappresentano le posizioni degli oggetti.
• Calcolo della distanza: I centroidi dei due oggetti possono quindi essere utilizzati per calcolare la distanza euclidea tra loro. La distanza euclidea è la distanza in linea retta tra due punti su un piano 2D, calcolata usando le differenze sia nella direzione orizzontale sia in quella verticale. In questo modo si ottiene la distanza tra i due oggetti in pixel.

È importante tenere presente che le distanze calcolate con questo metodo sono solo stime, poiché si basano su misure di pixel in 2D.

Fig. 3. Utilizzo di Ultralytics YOLO per rilevare una persona e calcolare le distanze.

L'impatto della stima della distanza con YOLO#

Considerando che il calcolo delle distanze con Ultralytics YOLO11 è una stima, potresti chiederti: dove può essere utilizzato e quale differenza può fare?

Poiché per ottenere queste stime della distanza si ricorre alla calibrazione, i risultati sono sufficientemente accurati per aiutare in molte situazioni pratiche. La stima della distanza di Ultralytics YOLO11 è particolarmente utile negli ambienti dinamici, come i magazzini, dove gli oggetti sono costantemente in movimento e sono necessari aggiustamenti in tempo reale per mantenere le operazioni efficienti.

Un esempio interessante consiste nell'utilizzare YOLO11 per tracciare i pacchi su un nastro trasportatore e stimare in tempo reale la distanza tra loro. Questo aiuta i responsabili del magazzino ad assicurarsi che i pacchi siano distanziati correttamente, prevenendo le collisioni e mantenendo le operazioni efficienti.

In questi casi, una distanza esatta non è sempre necessaria. In genere viene impostato un intervallo o una soglia per la distanza ottimale, quindi una stima funziona bene per questo tipo di applicazioni.

Fig. 4. Rilevamento dei pacchi con Ultralytics YOLO11 e calcolo della distanza tra loro.

Calcolo della distanza nelle applicazioni di computer vision#

Diverse applicazioni di computer vision possono trarre vantaggio dal calcolo della distanza tra oggetti tramite Ultralytics YOLO11. Ad esempio, nell'analisi della vendita al dettaglio, aiuta a migliorare la gestione delle code tracciando in tempo reale le posizioni dei clienti. Ciò consente alle aziende di allocare meglio le risorse, ridurre i tempi di attesa e creare un'esperienza di acquisto più fluida. Regolando dinamicamente i livelli di personale e gestendo il flusso dei clienti, i negozi possono evitare il sovraffollamento e ottimizzare l'utilizzo dello spazio.

Analogamente, nella gestione del traffico, la stima della distanza aiuta a monitorare la distanza tra i veicoli e ad analizzare i modelli di traffico. Può essere utilizzata per rilevare comportamenti pericolosi, come il mancato rispetto della distanza di sicurezza, e regolare i semafori per mantenere fluido il traffico. Può contribuire a rendere le strade più sicure identificando potenziali problemi e migliorando la gestione complessiva del traffico in tempo reale.

Fig. 5. Il calcolo della distanza basato sulla visione può essere utilizzato per monitorare il traffico.

Un altro impiego singolare di questa tecnologia si è verificato durante la pandemia di COVID-19, quando ha contribuito a promuovere il distanziamento sociale. Ha garantito il mantenimento di una distanza di sicurezza tra le persone negli spazi pubblici, nei negozi e negli ospedali, riducendo il rischio di diffusione del virus.

Tracciando le distanze in tempo reale, era possibile inviare avvisi quando le persone si trovavano troppo vicine, rendendo più semplice per le aziende e gli operatori sanitari reagire rapidamente e mantenere un ambiente più sicuro per tutti.

Vantaggi e svantaggi del calcolo della distanza nella computer vision#

Ora che abbiamo discusso alcune applicazioni del calcolo della distanza tramite computer vision, ecco un'analisi più approfondita dei vantaggi associati:

• Automazione: la vision AI può automatizzare le attività di calcolo della distanza che altrimenti richiederebbero il tracciamento manuale, riducendo gli errori umani e i costi della manodopera e aumentando al contempo la produttività.
• Ottimizzazione delle risorse: conoscendo la spaziatura e la vicinanza approssimative degli oggetti, è possibile ottimizzare le risorse, come il personale o i macchinari, riducendo gli sprechi e migliorando i flussi di lavoro.
• Complessità di configurazione minima: una volta configurati, i sistemi di calcolo della distanza basati sulla visione richiedono relativamente poca manutenzione e un intervento umano inferiore rispetto ad altri sistemi che dipendono dall'input manuale o da macchinari complessi.

Nonostante questi vantaggi, ci sono anche alcune limitazioni da tenere presenti quando si implementano sistemi di questo tipo. Ecco una rapida panoramica dei fattori chiave da considerare per il calcolo della distanza tramite computer vision:

• Sensibilità ai fattori ambientali: la precisione del calcolo della distanza può essere influenzata dalle condizioni di illuminazione, dalle ombre, dai riflessi o dalle ostruzioni, causando potenziali errori o risultati incoerenti.
• Problemi di privacy: l'utilizzo della computer vision per tracciare oggetti o persone può sollevare problematiche relative alla privacy, soprattutto negli spazi pubblici o negli ambienti sensibili in cui potrebbero essere coinvolti dati personali.
• Complessità negli scenari con più oggetti: negli ambienti con numerosi oggetti in movimento, calcolare accuratamente e simultaneamente le distanze tra più oggetti può generare confusione, soprattutto quando sono vicini o si intersecano.

Punti chiave#

Calcolare la distanza tra gli oggetti tramite Ultralytics YOLO11 è una soluzione affidabile che può supportare il processo decisionale. È particolarmente utile negli ambienti dinamici, come magazzini, vendita al dettaglio e gestione del traffico, dove monitorare la vicinanza degli oggetti può migliorare l'efficienza e la sicurezza.

Ultralytics YOLO11 consente di automatizzare attività che normalmente richiederebbero un intervento manuale. Sebbene esistano alcune difficoltà, come la sensibilità ai fattori ambientali e i problemi di privacy, i vantaggi, tra cui l'automazione, la scalabilità e la facilità di integrazione, lo rendono una soluzione di grande impatto. Con il continuo miglioramento della computer vision, soprattutto in ambiti come il calcolo della distanza, è probabile che assisteremo a un cambiamento significativo nel modo in cui le macchine interagiscono con l'ambiente circostante e lo comprendono.

Unisciti alla nostra community! Esplora il nostro repository GitHub per saperne di più sulla vision AI. Se ti interessa sfruttare la computer vision, scopri le nostre opzioni di licenza. Scopri come la computer vision nel settore sanitario sta migliorando l'efficienza e osserva l'impatto dell'AI nell'agricoltura visitando le nostre pagine dedicate alle soluzioni!