3 апреля 2025 г.
Узнайте, как вычисление расстояния в приложениях компьютерного зрения с использованием Ultralytics YOLO11 помогает измерять близость объектов в реальном времени.
Когда вы переходите дорогу и видите приближающуюся к вам машину, вы можете мгновенно сказать, примерно, как далеко она находится. Эта быстрая, почти инстинктивная оценка происходит благодаря пространственному пониманию вашего окружения. Основываясь на этом чувстве, вы можете решить, ускориться, остановиться или продолжить движение.
Аналогично, компьютерное зрение — это раздел искусственного интеллекта (ИИ), который позволяет машинам развивать понимание своего окружения, интерпретируя визуальные данные. Подобно тому, как вы можете оценить близость автомобиля, чтобы быстро принимать решения, модели компьютерного зрения могут анализировать изображения и видео, помогая машинам чувствовать окружающий мир и реагировать на него.
Например, Ultralytics YOLO11 — это модель компьютерного зрения, которая может обнаруживать и отслеживать объекты на изображениях и видео в режиме реального времени. Проще говоря, YOLO11 работает, просматривая все изображение целиком, а не по частям, что делает ее быстрее и эффективнее. Она также может выполнять задачи компьютерного зрения, такие как сегментация экземпляров, оценка позы и классификация изображений.
В частности, возможности YOLO11 можно использовать для расчета расстояния между объектами, что полезно во многих областях, таких как производство, розничная торговля и управление толпой, помогая повысить безопасность и эффективность.
В этой статье мы рассмотрим, как YOLO11 можно использовать для расчета расстояния в приложениях компьютерного зрения, почему это важно и какое влияние это оказывает на различные отрасли.
Расчет расстояния в компьютерном зрении включает в себя обнаружение, определение местоположения и измерение пикселей между двумя объектами на изображении. Пиксели – это отдельные элементы, составляющие цифровое изображение, каждый из которых представляет собой отдельную точку с определенным цветом или значением интенсивности.
Чтобы преобразовать измерения в пикселях в реальные расстояния, калибровка имеет ключевое значение. Вы можете думать об этом как об использовании линейки для измерения чего-либо, а затем об использовании этого измерения для понимания размера других объектов. Ссылаясь на объекты с известными размерами, калибровка создает связь между пикселями и фактическими физическими расстояниями.
Давайте рассмотрим пример, чтобы увидеть, как это работает. На изображении ниже монета является эталонным объектом, и ее размер (0,9 дюйма на 1,0 дюйма) известен. Сравнивая пиксельные измерения других объектов с размером монеты, мы можем рассчитать их реальный размер.
Однако, вычисление расстояния производится в двухмерной (2D) плоскости, то есть измеряются только горизонтальное и вертикальное расстояния между объектами. Это отличается от оценки глубины, которая измеряет расстояние до объектов в трехмерном пространстве, включая их удаленность от камеры.
Хотя камеры глубины могут измерять истинную глубину и предоставлять более подробную пространственную информацию, во многих случаях достаточно простой откалиброванной дистанции. Например, знание расстояния между объектами в 2D-плоскости хорошо подходит для таких задач, как отслеживание объектов или управление очередями, поэтому оценка глубины в этих ситуациях не требуется.
Далее, давайте рассмотрим, как вычислить расстояние между двумя объектами, используя поддержку YOLO11 для обнаружения объектов и отслеживания. Вот разбивка:
Важно помнить, что расстояния, рассчитанные с использованием этого метода, являются лишь приблизительными, поскольку они основаны на 2D-пиксельных измерениях.
Учитывая, что расчет расстояний с использованием YOLO11 является приблизительным, вы можете задаться вопросом: где это можно использовать и как это может изменить ситуацию?
Поскольку калибровки используются для получения этих оценок расстояния, они достаточно точны, чтобы помочь во многих практических ситуациях. Оценка расстояния YOLO11 особенно полезна в динамических средах, таких как склады, где объекты постоянно находятся в движении и необходимы корректировки в реальном времени для обеспечения бесперебойной работы.
Интересным примером является использование YOLO11 для отслеживания посылок на конвейерной ленте и оценки расстояния между ними в режиме реального времени. Это помогает менеджерам складов убедиться, что посылки расположены на правильном расстоянии друг от друга, предотвращая столкновения и обеспечивая бесперебойную работу.
В таких случаях точное расстояние не всегда необходимо. Как правило, устанавливается диапазон или порог для оптимального расстояния, поэтому оценка хорошо подходит для этих типов приложений.
Различные приложения компьютерного зрения могут извлечь выгоду из расчета расстояния между объектами с использованием YOLO11. Например, в аналитике розничной торговли это помогает улучшить управление очередями за счет отслеживания местоположения клиентов в режиме реального времени. Это позволяет предприятиям лучше распределять ресурсы, сокращать время ожидания и создавать более комфортные условия для совершения покупок. Благодаря динамической корректировке численности персонала и управлению потоком клиентов магазины могут предотвратить переполненность и оптимизировать использование пространства.
Аналогично, в управлении дорожным движением оценка расстояния помогает отслеживать расстояние между транспортными средствами и анализировать структуру движения. Это можно использовать для обнаружения опасного поведения, такого как движение вплотную к идущему впереди транспорту, и регулировать сигналы светофора для обеспечения бесперебойного движения. Это может помочь сделать дороги более безопасными, выявляя потенциальные проблемы и улучшая общее управление дорожным движением в режиме реального времени.
Еще одно уникальное применение этой технологии произошло во время пандемии COVID-19, когда она помогла продвигать социальное дистанцирование. Она следила за тем, чтобы люди соблюдали безопасную дистанцию в общественных местах, магазинах и больницах, снижая риск распространения вируса.
Отслеживая расстояния в режиме реального времени, можно отправлять оповещения, когда люди находятся слишком близко друг к другу, что упрощает предприятиям и поставщикам медицинских услуг быстрое реагирование и поддержание более безопасной среды для всех.
Теперь, когда мы обсудили некоторые применения вычисления расстояния с использованием компьютерного зрения, вот более подробный взгляд на связанные с этим преимущества:
Несмотря на эти преимущества, есть также некоторые ограничения, которые следует учитывать при внедрении таких систем. Вот краткий обзор ключевых факторов, которые следует учитывать, когда речь идет о расчете расстояния с использованием компьютерного зрения:
Расчет расстояния между объектами с использованием YOLO11 — это надежное решение, которое может поддержать принятие решений. Это особенно полезно в динамических средах, таких как склады, розничная торговля и управление дорожным движением, где отслеживание близости объектов может повысить эффективность и безопасность.
YOLO11 позволяет автоматизировать задачи, которые обычно требуют ручного труда. Несмотря на некоторые проблемы, такие как чувствительность к факторам окружающей среды и проблемы конфиденциальности, преимущества, такие как автоматизация, масштабируемость и простота интеграции, делают ее эффективной. Поскольку компьютерное зрение продолжает совершенствоваться, особенно в таких областях, как вычисление расстояния, вполне вероятно, что мы увидим реальный сдвиг в том, как машины взаимодействуют и понимают свое окружение.
Присоединяйтесь к нашему сообществу! Изучите наш репозиторий на GitHub, чтобы узнать больше о Vision AI. Если вы заинтересованы в использовании компьютерного зрения, ознакомьтесь с нашими вариантами лицензирования. Узнайте, как компьютерное зрение в здравоохранении повышает эффективность, и оцените влияние ИИ в сельском хозяйстве, посетив страницы наших решений!
