Как вычислить расстояние с помощью моделей компьютерного зрения?

Когда ты переходишь дорогу и видишь приближающийся автомобиль, ты можешь мгновенно примерно определить, как далеко он находится. Эта быстрая, почти инстинктивная оценка возможна благодаря пространственному пониманию окружающей обстановки. Основываясь на этом ощущении, ты можешь решить, ускориться, остановиться или продолжить идти.

Аналогично, компьютерное зрение — это область искусственного интеллекта (AI), которая позволяет машинам формировать представление об окружающей обстановке, интерпретируя визуальные данные. Подобно тому как ты можешь оценить близость автомобиля и 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 может в реальном времени обнаруживать и отслеживать объекты на изображениях и видео. Проще говоря, YOLO11 анализирует всё изображение целиком, а не отдельные его части, благодаря чему работает быстрее и эффективнее. Модель также поддерживает такие задачи компьютерного зрения, как сегментация экземпляров, оценка позы и классификация изображений.

В частности, возможности Ultralytics YOLO11 можно использовать для расчёта расстояния между объектами, что полезно во многих сферах, например в производстве, розничной торговле и управлении потоками людей, помогая повысить безопасность и эффективность.

В этой статье мы рассмотрим, как Ultralytics YOLO11 можно использовать для расчёта расстояния в приложениях компьютерного зрения, почему это важно и как это влияет на разные отрасли.

Рис. 1. Пример использования YOLO для расчёта расстояния посадки самолёта.

Обзор расчёта расстояния в компьютерном зрении#

Расчёт расстояния в компьютерном зрении включает обнаружение, определение местоположения и измерение количества пикселей между двумя объектами на изображении. Пиксели — это отдельные элементы цифрового изображения, каждый из которых представляет одну точку с определённым значением цвета или интенсивности.

Чтобы преобразовать измерения в пикселях в расстояния в реальном мире, ключевую роль играет калибровка. Её можно представить как использование линейки для измерения какого-либо объекта с последующим применением этого измерения для определения размеров других объектов. Используя объекты с известными размерами, калибровка устанавливает связь между пикселями и фактическими физическими расстояниями.

Рассмотрим пример, чтобы понять, как это работает. На изображении ниже монета используется как эталонный объект, а её размер (0.9in на 1.0in) известен. Сравнив размеры других объектов в пикселях с размером монеты, можно рассчитать их размер в реальном мире.

Рис. 2. Монету можно использовать как эталон для измерения реального размера других объектов.

Однако расчёт расстояния выполняется на двумерной (2D) плоскости, то есть измеряются только горизонтальные и вертикальные расстояния между объектами. Это отличается от оценки глубины, при которой измеряется расстояние до объектов в трёхмерном пространстве, включая их расстояние от камеры.

Хотя камеры глубины могут измерять фактическую глубину и предоставлять более подробную пространственную информацию, во многих случаях достаточно простого откалиброванного расстояния. Например, знание расстояния между объектами на двумерной плоскости хорошо подходит для таких задач, как отслеживание объектов или управление очередями, поэтому в подобных ситуациях оценка глубины не требуется.

Как работает расчёт расстояния с помощью Ultralytics YOLO11#

Далее пошагово рассмотрим, как рассчитать расстояние между двумя объектами с помощью поддержки обнаружения объектов и отслеживания в Ultralytics YOLO11. Вот основные этапы:

• Обнаружение и отслеживание объектов: Ultralytics YOLO11 можно использовать для обнаружения объектов путём распознавания их на кадре и отслеживания их перемещения между кадрами видео. Для каждого объекта назначается уникальный идентификатор отслеживания, благодаря чему система может контролировать его положение и перемещение на протяжении всего видео.
• Ограничивающие рамки: Вокруг обнаруженных объектов рисуются ограничивающие рамки на основе результатов обнаружения объектов Ultralytics YOLO11, которые определяют их местоположение на изображении.
• Выбор объектов: Можно выбрать два объекта для отслеживания, а Ultralytics YOLO11 обновляет ограничивающие рамки по мере их перемещения в реальном времени.
• Расчёт центроидов: Центроиды (центральные точки ограничивающих рамок двух объектов) рассчитываются на основе координат углов ограничивающих рамок и представляют положение объектов.
• Расчёт расстояния: Затем центроиды двух объектов можно использовать для расчёта евклидова расстояния между ними. Евклидово расстояние — это расстояние по прямой между двумя точками на двумерной плоскости, рассчитываемое с использованием разностей в горизонтальном и вертикальном направлениях. В результате получается расстояние между двумя объектами в пикселях.

Важно помнить, что расстояния, рассчитанные этим методом, являются лишь приблизительными, поскольку основаны на двумерных измерениях в пикселях.

Рис. 3. Использование Ultralytics YOLO для обнаружения человека и расчёта расстояний.

Влияние оценки расстояния с помощью YOLO#

Учитывая, что расчёт расстояний с помощью Ultralytics YOLO11 является приблизительным, ты можешь задаться вопросом: где это можно использовать и какие преимущества это даёт?

Поскольку для получения этих оценок расстояния используется калибровка, они достаточно точны для помощи во многих практических ситуациях. Оценка расстояния с помощью Ultralytics YOLO11 особенно полезна в динамичных средах, например на складах, где объекты постоянно перемещаются и для бесперебойной работы необходимы корректировки в реальном времени.

Интересный пример — использование YOLO11 для отслеживания посылок на конвейерной ленте и оценки расстояния между ними в реальном времени. Это помогает руководителям складов поддерживать правильные интервалы между посылками, предотвращать столкновения и обеспечивать бесперебойную работу.

В таких случаях точное расстояние не всегда необходимо. Обычно задаётся диапазон или порог оптимального расстояния, поэтому для подобных приложений приблизительной оценки достаточно.

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

Расчёт расстояния в приложениях компьютерного зрения#

Различные приложения компьютерного зрения могут использовать расчёт расстояния между объектами с помощью Ultralytics YOLO11. Например, в аналитике розничной торговли это помогает улучшить управление очередями за счёт отслеживания положения покупателей в реальном времени. Благодаря этому компании могут эффективнее распределять ресурсы, сокращать время ожидания и создавать более комфортные условия для покупок. Динамически регулируя численность персонала и управляя потоком покупателей, магазины могут предотвращать скопления людей и оптимизировать использование пространства.

Аналогично, в сфере управления дорожным движением оценка расстояния помогает контролировать интервалы между транспортными средствами и анализировать схемы движения. Это можно использовать для обнаружения опасного поведения, например несоблюдения дистанции, и регулировки светофоров, чтобы поддерживать плавный транспортный поток. Такой подход помогает сделать дороги безопаснее, выявляя потенциальные проблемы и улучшая общее управление дорожным движением в реальном времени.

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

Ещё одним необычным применением этой технологии стала пандемия COVID-19, когда она помогала соблюдать социальную дистанцию. Система обеспечивала безопасное расстояние между людьми в общественных местах, магазинах и больницах, снижая риск распространения вируса.

Отслеживая расстояния в реальном времени, система могла отправлять предупреждения, когда люди находились слишком близко друг к другу, благодаря чему компании и медицинские учреждения могли быстрее реагировать и поддерживать более безопасную среду для всех.

Преимущества и недостатки расчёта расстояния в компьютерном зрении#

Теперь, когда мы рассмотрели некоторые варианты применения расчёта расстояния с помощью компьютерного зрения, подробнее рассмотрим связанные с этим преимущества:

• Автоматизация: Vision AI может автоматизировать задачи по расчёту расстояния, которые в противном случае потребовали бы ручного отслеживания, снижая количество человеческих ошибок и трудозатраты и одновременно повышая производительность.
• Оптимизация ресурсов: Зная примерные интервалы и близость объектов, можно оптимизировать ресурсы (например, персонал или оборудование), сократить потери и улучшить рабочие процессы.
• Минимальная сложность настройки: После настройки системы расчёта расстояния с помощью компьютерного зрения относительно неприхотливы в обслуживании и требуют меньше вмешательства человека по сравнению с другими системами, использующими ручной ввод или сложное оборудование.

Несмотря на эти преимущества, при внедрении таких систем важно учитывать и некоторые ограничения. Ниже перечислены основные факторы, которые следует принимать во внимание при расчёте расстояния с помощью компьютерного зрения:

• Чувствительность к факторам окружающей среды: На точность расчёта расстояния могут влиять условия освещения, тени, отражения или препятствия, что приводит к возможным ошибкам или непоследовательным результатам.
• Проблемы конфиденциальности: Использование компьютерного зрения для отслеживания объектов или людей может вызывать вопросы конфиденциальности, особенно в общественных местах или чувствительных средах, где могут обрабатываться персональные данные.
• Сложность при работе с несколькими объектами: В средах с большим количеством движущихся объектов точный одновременный расчёт расстояний между несколькими объектами может приводить к путанице, особенно если объекты находятся близко друг к другу или пересекаются.

Основные выводы#

Расчёт расстояния между объектами с помощью Ultralytics YOLO11 — это надёжное решение, способное поддерживать принятие решений. Оно особенно полезно в динамичных средах, таких как склады, розничная торговля и управление дорожным движением, где отслеживание близости объектов может повысить эффективность и безопасность.

Ultralytics YOLO11 позволяет автоматизировать задачи, которые обычно требуют ручных усилий. Несмотря на некоторые сложности, такие как чувствительность к факторам окружающей среды и проблемы конфиденциальности, преимущества — автоматизация, масштабируемость и простая интеграция — делают это решение эффективным. По мере развития компьютерного зрения, особенно в таких областях, как расчёт расстояния, вероятно, мы увидим значительные изменения в том, как машины взаимодействуют с окружающей средой и понимают её.

Присоединяйся к нашему сообществу! Посети 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 ознакомься с влиянием AI в сельском хозяйстве на наших страницах решений!