Как вычислить расстояние с помощью моделей компьютерного зрения?

Когда ты переходишь дорогу и видишь приближающуюся машину, ты сразу можешь примерно оценить, как далеко она находится. Эта быстрая, почти инстинктивная оценка основана на пространственном понимании окружающего мира. Ориентируясь на него, ты решаешь, ускориться, остановиться или продолжить идти.

Подобным образом компьютерное зрение — это область искусственного интеллекта (AI), которая позволяет машинам понимать окружающий мир, интерпретируя визуальные данные. Подобно тому как ты оцениваешь расстояние до машины, чтобы быстро принять решение, модели компьютерного зрения анализируют изображения и видео, помогая машинам воспринимать окружающий мир и реагировать на него.

Например, Ultralytics YOLO11 — это модель компьютерного зрения, которая в реальном времени обнаруживает объекты на изображениях и видео и отслеживает их. Проще говоря, YOLO11 анализирует все изображение целиком, а не отдельные его части, поэтому работает быстрее и эффективнее. Модель также справляется с такими задачами компьютерного зрения, как сегментация экземпляров, оценка позы и классификация изображений.

В частности, возможности Ultralytics YOLO11 можно использовать для расчета расстояния между объектами. Это полезно во многих областях, например в промышленности, розничной торговле и управлении потоками людей, и помогает повышать безопасность и эффективность.

В этой статье мы расскажем, как использовать Ultralytics YOLO11 для расчета расстояния в задачах компьютерного зрения, объясним, почему это важно, и рассмотрим влияние этой технологии на различные отрасли.

Рис. 1. Пример использования YOLO для расчета дистанции пробега самолета при посадке.

Обзор расчета расстояния в компьютерном зрении#

Расчет расстояния в компьютерном зрении включает обнаружение объектов на изображении, определение их положения и измерение расстояния в пикселях между ними. Пиксели — это отдельные элементы цифрового изображения, каждый из которых представляет точку с определенным цветом или яркостью.

Чтобы преобразовать измерения в пикселях в реальные расстояния, нужна калибровка. Представь, что ты измеряешь предмет линейкой, а затем используешь результат, чтобы определить размеры других предметов. При калибровке объекты с известными размерами служат ориентиром, который связывает пиксели с реальными расстояниями.

Давай рассмотрим пример. На изображении ниже в качестве эталона используется монета, размер которой известен (0,9 × 1,0 дюйма). Сравнив измерения других объектов в пикселях с размером монеты, можно рассчитать их реальные размеры.

Рис. 2. Монету можно использовать как эталон для измерения реальных размеров других объектов.

Однако расстояние рассчитывается в двумерной (2D) плоскости, то есть измеряется только по горизонтали и вертикали между объектами. Это отличается от оценки глубины, при которой измеряется расстояние между объектами в трехмерном пространстве, в том числе расстояние до камеры.

Камеры глубины измеряют реальную глубину и предоставляют более подробную пространственную информацию, однако во многих случаях достаточно просто рассчитать расстояние после калибровки. Например, для отслеживания объектов или управления очередями достаточно знать расстояние между объектами в плоскости 2D, поэтому в таких ситуациях оценка глубины не нужна.

Как работает расчет расстояния с помощью Ultralytics YOLO11#

Теперь разберем, как рассчитать расстояние между двумя объектами с помощью функций обнаружения объектов и отслеживания в Ultralytics YOLO11. Вот основные шаги:

• Обнаружение и отслеживание объектов: Ultralytics YOLO11 распознает объекты в кадре и может отслеживать их перемещение между кадрами видео. Модель присваивает каждому объекту уникальный идентификатор траектории, позволяя системе следить за его положением и перемещением на протяжении всего видео.
• Рамки объектов: На основе результатов обнаружения объектов Ultralytics YOLO11 вокруг найденных объектов рисуются рамки, которые определяют их положение на изображении.
• Выбор объектов: Можно выбрать два объекта для отслеживания. По мере их движения Ultralytics YOLO11 обновляет рамки в реальном времени.
• Расчет центроидов: По координатам углов рамок рассчитываются центроиды — центральные точки рамок двух объектов, обозначающие их положение.
• Расчет расстояния: Затем по центроидам двух объектов можно вычислить евклидово расстояние между ними. Евклидово расстояние — это расстояние по прямой между двумя точками в плоскости 2D, рассчитываемое по разнице координат по горизонтали и вертикали. Результат показывает расстояние между объектами в пикселях.

Важно помнить, что расстояния, рассчитанные этим способом, являются лишь приблизительными, поскольку основаны на измерениях в пикселях в плоскости 2D.

Рис. 3. Обнаружение человека и расчет расстояний с помощью Ultralytics YOLO.

Как оценка расстояния с помощью YOLO влияет на отрасли#

Поскольку расчет расстояния с помощью Ultralytics YOLO11 дает приблизительную оценку, ты можешь задаться вопросом: где это можно применять и какую пользу это принесет?

Поскольку для оценки расстояния используется калибровка, точности метода достаточно для многих практических задач. Оценка расстояния с помощью Ultralytics YOLO11 особенно полезна в динамичных условиях, например на складах, где объекты постоянно движутся и для бесперебойной работы нужно вносить изменения в реальном времени.

Интересный пример — использовать YOLO11 для отслеживания посылок на конвейере и оценки расстояния между ними в реальном времени. Это помогает менеджерам склада следить за тем, чтобы между посылками оставались правильные интервалы, предотвращать столкновения и обеспечивать бесперебойную работу.

В таких случаях точное расстояние требуется не всегда. Обычно задают допустимый диапазон или порог оптимального расстояния, поэтому для этих задач достаточно приблизительной оценки.

Рис. 4. Обнаружение посылок с помощью Ultralytics YOLO11 и расчет расстояния между ними.

Расчет расстояния в задачах компьютерного зрения#

Во многих задачах компьютерного зрения полезно рассчитывать расстояние между объектами с помощью Ultralytics YOLO11. Например, в аналитике розничной торговли это помогает улучшить управление очередями, отслеживая положение покупателей в реальном времени. Благодаря этому компании могут эффективнее распределять ресурсы, сокращать время ожидания и делать покупки комфортнее. Динамически регулируя численность персонала и управляя потоком покупателей, магазины могут не допускать скопления людей и оптимально использовать пространство.

Аналогично, в управлении дорожным движением оценка расстояния помогает контролировать интервалы между транспортными средствами и анализировать дорожную обстановку. Ее можно использовать для выявления опасного поведения, например несоблюдения дистанции, и настройки светофоров для оптимизации потока. Это помогает сделать дороги безопаснее: обнаруживать потенциальные проблемы и улучшать управление движением в реальном времени.

Рис. 5. Расчет расстояния с помощью компьютерного зрения можно использовать для мониторинга дорожного движения.

Еще один необычный пример применения этой технологии появился во время пандемии COVID-19, когда она помогала соблюдать социальную дистанцию. С ее помощью люди могли сохранять безопасное расстояние в общественных местах, магазинах и больницах, снижая риск распространения вируса.

Отслеживая расстояния в реальном времени, система могла отправлять уведомления, если люди подходили слишком близко друг к другу. Это помогало компаниям и медицинским учреждениям быстрее реагировать и поддерживать более безопасную обстановку для всех.

Преимущества и недостатки расчета расстояния в компьютерном зрении#

Теперь, когда мы обсудили некоторые способы применения расчета расстояния с помощью компьютерного зрения, давай подробнее рассмотрим преимущества этого метода:

• Автоматизация: Vision AI автоматизирует расчет расстояния, который иначе пришлось бы выполнять вручную. Это снижает вероятность человеческой ошибки и трудозатраты, повышая производительность.
• Оптимизация ресурсов: Зная примерные интервалы и расстояния между объектами, можно оптимальнее использовать ресурсы — например, персонал или оборудование, — сокращая потери и улучшая рабочие процессы.
• Простота настройки: После настройки системы расчета расстояния на основе компьютерного зрения требуют относительно небольшого обслуживания и меньшего вмешательства человека, чем системы, полагающиеся на ручной ввод данных или сложное оборудование.

Несмотря на эти преимущества, при внедрении таких систем нужно учитывать и некоторые ограничения. Вот основные факторы, которые стоит иметь в виду при расчете расстояния с помощью компьютерного зрения:

• Чувствительность к факторам окружающей среды: На точность расчета расстояния могут влиять освещение, тени, отражения и препятствия, вызывая ошибки и нестабильность результатов.
• Вопросы конфиденциальности: Использование компьютерного зрения для отслеживания объектов или людей может вызывать опасения по поводу конфиденциальности, особенно в общественных местах или чувствительных средах, где могут обрабатываться персональные данные.
• Сложность сценариев с множеством объектов: В среде с большим количеством движущихся объектов одновременный точный расчет расстояний между ними может быть затруднен, особенно если объекты расположены близко друг к другу или пересекаются.

Главные выводы#

Расчет расстояния между объектами с помощью Ultralytics YOLO11 — надежное решение, которое помогает принимать решения. Оно особенно полезно в динамичных условиях, например на складах, в розничной торговле и при управлении дорожным движением, где отслеживание расстояния между объектами повышает эффективность и безопасность.

Ultralytics YOLO11 позволяет автоматизировать задачи, которые обычно требуют ручного труда. Несмотря на некоторые сложности, например чувствительность к факторам окружающей среды и вопросы конфиденциальности, преимущества — автоматизация, масштабируемость и простота интеграции — делают эту технологию ценной. По мере развития компьютерного зрения, особенно в таких областях, как расчет расстояния, машины, вероятно, будут совсем иначе взаимодействовать с окружающим миром и понимать его.

Присоединяйся к нашему сообществу! Загляни в наш репозиторий на GitHub, чтобы узнать больше о Vision AI. Если ты хочешь использовать компьютерное зрение, ознакомься с нашими вариантами лицензирования. Узнай, как компьютерное зрение в здравоохранении повышает эффективность, и посмотри, как ИИ в сельском хозяйстве меняет отрасль, на страницах наших решений!