Estimativa da profundidade

A estimativa de profundidade é uma tarefa essencial na visão por computador que envolve o cálculo da distância de vários objectos numa cena a partir do ponto de vista de uma câmara. Ao contrário das imagens 2D normais, que apenas captam a altura e a largura, a estimativa de profundidade acrescenta uma terceira dimensão, permitindo que um sistema percepcione o mundo em 3D. Este processo gera um mapa de profundidade, que é essencialmente uma imagem em que o valor de cada pixel corresponde à sua distância da câmara. Esta capacidade é fundamental para permitir que as máquinas compreendam as relações espaciais e interajam com os seus ambientes de uma forma mais significativa, semelhante à visão humana.

Como funciona a estimativa de profundidade

Existem várias técnicas para obter a estimativa de profundidade, desde métodos tradicionais que utilizam hardware especializado até abordagens modernas baseadas na aprendizagem profunda.

• Visão estéreo: Este método imita a visão binocular humana, utilizando duas câmaras colocadas a uma curta distância uma da outra. Ao analisar as ligeiras diferenças (disparidade) entre as duas imagens, é possível triangular a distância a pontos na cena. Esta é uma abordagem clássica e fiável para captar informação de profundidade.
• Câmaras de tempo de voo (ToF): Estes sensores especializados emitem um sinal de luz (normalmente infravermelhos) e medem o tempo que a luz demora a refletir num objeto e a regressar ao sensor. As câmaras ToF podem criar mapas de profundidade altamente precisos em tempo real.
• LiDAR (Light Detection and Ranging): Frequentemente utilizado em veículos autónomos, o LiDAR funciona através da emissão de impulsos laser e da medição do tempo de retorno para criar uma nuvem de pontos 3D detalhada do ambiente circundante. A tecnologia LiDAR fornece dados de profundidade precisos, tornando-a inestimável para uma navegação segura.
• Estimativa de profundidade monocular: Um avanço significativo na IA envolve a estimativa de profundidade a partir de uma única imagem 2D. Os modelos de aprendizagem profunda, particularmente as redes neurais convolucionais (CNN), são treinados em vastos conjuntos de dados para inferir pistas de profundidade a partir de texturas, sombras e tamanhos de objectos, tal como o cérebro humano faz.

Aplicações da estimativa de profundidade

A capacidade de perceber a profundidade é crucial para uma vasta gama de aplicações que requerem consciência espacial.

Na robótica, a estimativa da profundidade é fundamental para a navegação e a manipulação. Um robô industrial numa linha de montagem utiliza dados de profundidade para agarrar e mover objectos com precisão, melhorando a eficiência na automatização do fabrico. Do mesmo modo, um robô móvel utiliza um mapa de profundidade para evitar obstáculos e planear o seu percurso num ambiente dinâmico como um armazém. Esta perceção 3D permite uma interação precisa e segura com o mundo físico.

A Realidade Aumentada (RA) e a Realidade Virtual (RV) dependem fortemente da estimativa de profundidade para criar experiências imersivas. Para que uma aplicação de RA num smartphone coloque uma peça de mobiliário virtual numa divisão real, tem de compreender primeiro a geometria da divisão. Ao criar um mapa de profundidade detalhado, o sistema pode garantir que o objeto virtual oculta e interage de forma realista com objectos do mundo real, tornando a ilusão perfeita e credível.

Estimativa de profundidade vs. conceitos relacionados

É importante diferenciar a estimativa de profundidade de termos com sonoridade semelhante na visão computacional.

• Cálculo de distâncias: Embora relacionado, o cálculo da distância na visão por computador refere-se frequentemente à medição da distância entre dois objectos num plano de imagem 2D (ou seja, em pixels). Em contrapartida, a estimativa de profundidade mede a distância de objectos no espaço 3D a partir da própria câmara. Embora uma simples distância calibrada possa ser suficiente para algumas tarefas, a estimativa de profundidade fornece informações espaciais mais detalhadas.
• Deteção de objectos 3D: A estimativa de profundidade é um fator chave para a deteção de objectos 3D. Enquanto a deteção de objectos 2D desenha uma caixa delimitadora à volta de um objeto numa imagem plana, a deteção de objectos 3D coloca um cuboide 3D à volta do objeto, definindo a sua posição, tamanho e orientação no espaço tridimensional. Esta deteção avançada só é possível com informações de profundidade precisas.