Как рассчитать расстояние с помощью моделей компьютерного зрения?

Когда ты переходишь дорогу и видишь приближающийся автомобиль, ты можешь мгновенно определить, на каком примерно расстоянии он находится. Это быстрое, почти инстинктивное суждение — результат пространственного восприятия твоего окружения. Опираясь на это чувство, ты можешь решить, стоит ли ускориться, остановиться или продолжать идти.

Точно так же компьютерное зрение — это область искусственного интеллекта (ИИ), позволяющая машинам научиться понимать окружающую обстановку путем интерпретации визуальных данных. Как и ты, оценивающий близость машины для принятия быстрых решений, модели компьютерного зрения могут анализировать изображения и видео, помогая машинам чувствовать мир вокруг и реагировать на него.

Например, Ultralytics YOLO11 — это модель компьютерного зрения, способная обнаруживать и отслеживать объекты на изображениях и видео в режиме реального времени. Проще говоря, YOLO11 работает, анализируя все изображение целиком, а не по частям, что делает её быстрее и эффективнее. Она также может справляться с такими задачами компьютерного зрения, как сегментация экземпляров, оценка позы и классификация изображений.

В частности, возможности YOLO11 можно использовать для расчета расстояния между объектами, что полезно во многих сферах, таких как производство, розничная торговля и управление толпой, помогая повысить безопасность и эффективность.

В этой статье мы разберем, как YOLO11 можно использовать для расчета расстояния в приложениях компьютерного зрения, почему это важно и какое влияние это оказывает на различные отрасли.

Рис. 1. Пример использования YOLO для расчета посадочной дистанции самолета.

Link to this sectionОбзор расчета расстояния в компьютерном зрении#

Расчет расстояния в компьютерном зрении включает обнаружение, локализацию и измерение количества пикселей между двумя объектами на изображении. Пиксели — это элементарные единицы, составляющие цифровое изображение, каждая из которых представляет собой одну точку с определенным цветом или значением интенсивности.

Для преобразования измерений в пикселях в реальные расстояния ключевое значение имеет калибровка. Ты можешь представить это как использование линейки для измерения чего-либо, а затем использование этого измерения для понимания размера других объектов. Ссылаясь на объекты с известными размерами, калибровка создает связь между пикселями и фактическими физическими расстояниями.

Давай рассмотрим пример, чтобы увидеть, как это работает. На изображении ниже монета является эталонным объектом, и её размер (0,9 дюйма на 1,0 дюйм) известен. Сравнивая измерения в пикселях других объектов с размером монеты, мы можем вычислить их реальный размер.

Рис. 2. Монета может быть использована в качестве эталона для измерения реального размера других объектов.

Однако расчет расстояния выполняется в двухмерной (2D) плоскости, что означает, что он измеряет только горизонтальное и вертикальное расстояние 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 простого калиброванного расстояния. Например, знание расстояния между объектами в 2D-плоскости хорошо подходит для таких задач, как отслеживание объектов или управление очередями, поэтому оценка глубины в таких ситуациях не требуется.

Link to this sectionКак работает расчет расстояния с использованием YOLO11#

Далее давай разберем, как рассчитать расстояние между двумя объектами, используя поддержку обнаружения объектов и отслеживания в YOLO11. Вот основные этапы:

• Обнаружение и отслеживание объектов: YOLO11 можно использовать для обнаружения объектов путем их распознавания в кадре и отслеживания их движения между кадрами в видео. Система назначает уникальный ID трека каждому объекту, что позволяет отслеживать его положение и движение на протяжении всего видео.
• Ограничивающие рамки (Bounding boxes): Вокруг обнаруженных объектов рисуются ограничивающие рамки на основе результатов обнаружения YOLO11, которые определяют их местоположение на изображении.
• Выбор объектов: Можно выбрать два объекта для фокусировки, и YOLO11 будет обновлять ограничивающие рамки по мере их движения в реальном времени.
• Расчет центроидов: Центроиды (центральные точки ограничивающих рамок двух объектов) рассчитываются на основе координат углов ограничивающих рамок, представляя собой позиции объектов.
• Расчет расстояния: Центроиды двух объектов затем могут быть использованы для вычисления евклидова расстояния между ними. Евклидово расстояние — это расстояние по прямой между двумя точками в 2D-плоскости, вычисляемое с использованием разностей как в горизонтальном, так и в вертикальном направлениях. Это дает расстояние между двумя объектами в пикселях.

Важно помнить, что расстояния, рассчитанные этим методом, являются лишь оценочными, так как они основаны на измерениях 2D-пикселей.

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

Link to this sectionВлияние оценки расстояния с помощью YOLO#

Учитывая, что расчет расстояний с помощью YOLO11 является оценочным, ты можешь задаться вопросом: где это можно применить и как это может изменить ситуацию?

Поскольку для получения этих оценок расстояния используются калибровки, они достаточно точны, чтобы помочь во многих практических ситуациях. Оценка расстояния с помощью YOLO11 особенно полезна в динамических средах, таких как склады, где объекты постоянно находятся в движении 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 режиме реального времени. Это помогает складским менеджерам следить за тем, чтобы посылки были распределены должным образом, предотвращая столкновения и обеспечивая бесперебойную работу.

В таких случаях точное расстояние не всегда необходимо. Обычно устанавливается диапазон или пороговое значение для оптимального расстояния, поэтому оценка хорошо подходит для таких типов приложений.

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

Link to this sectionРасчет расстояния в приложениях компьютерного зрения#

Многие приложения компьютерного зрения могут получить пользу от расчета расстояния между объектами с помощью YOLO11. В аналитике розничной торговли, например, это помогает улучшить управление очередями путем отслеживания позиций покупателей в реальном времени. Это позволяет предприятиям лучше распределять ресурсы, сокращать время ожидания и создавать более комфортные условия для покупок. Динамически регулируя количество персонала и управляя потоком клиентов, магазины могут предотвратить переполнение и оптимизировать использование пространства.

Аналогично, в управлении дорожным движением оценка расстояния помогает контролировать дистанцию между транспортными средствами и анализировать структуру трафика. Это можно использовать для обнаружения опасного поведения, например, слишком близкого следования за другой машиной (tailgating), и настройки сигналов светофора для поддержания плавного потока транспорта. Это помогает сделать дороги безопаснее за счет выявления потенциальных проблем и улучшения общего управления трафиком в реальном времени.

Рис. 5. Расчет расстояния с помощью зрения может быть использован для контроля дорожного движения.

Еще одно уникальное использование этой технологии появилось во время пандемии COVID-19, когда она помогла продвигать социальное дистанцирование. Она гарантировала, что люди соблюдали безопасную дистанцию в общественных местах, магазинах и больницах, снижая риск распространения вируса.

Благодаря отслеживанию расстояний в реальном времени можно было отправлять оповещения, когда люди находились слишком близко друг к другу, что облегчало предприятиям и медицинским работникам возможность быстро реагировать и поддерживать более безопасную среду для всех.

Link to this sectionПлюсы и минусы расчета расстояния в компьютерном зрении#

Теперь, когда мы обсудили некоторые варианты применения расчета расстояния с помощью компьютерного зрения, давай подробнее рассмотрим сопутствующие преимущества:

• Автоматизация: ИИ технического зрения может автоматизировать задачи по расчету расстояния, которые в противном случае потребовали бы ручного отслеживания, уменьшая человеческие ошибки и затраты труда при одновременном повышении производительности.
• Оптимизация ресурсов: Зная примерное расстояние и близость объектов, можно оптимизировать ресурсы (например, персонал или оборудование), сокращая отходы и улучшая рабочие процессы.
• Минимальная сложность настройки: После установки системы расчета расстояния с помощью машинного зрения относительно неприхотливы в обслуживании и требуют меньшего вмешательства человека по сравнению с другими системами, которые полагаются на ручной ввод или сложное оборудование.

Несмотря на эти преимущества, существуют также некоторые ограничения, которые следует учитывать при внедрении таких систем. Вот краткий обзор ключевых факторов, которые следует учитывать при расчете расстояния с помощью компьютерного зрения:

• Чувствительность к факторам окружающей среды: На точность расчета расстояния могут влиять условия освещения, тени, отражения или препятствия, что может привести к потенциальным ошибкам или несоответствиям.
• Проблемы конфиденциальности: Использование компьютерного зрения для отслеживания объектов или людей может вызвать проблемы с конфиденциальностью, особенно в общественных местах или чувствительных средах, где могут использоваться личные данные.
• Сложность в сценариях с несколькими объектами: В средах с множеством движущихся объектов точный расчет расстояний между несколькими объектами одновременно может привести к ошибкам, особенно если они находятся близко друг к другу или пересекаются.

Link to this sectionОсновные выводы#

Расчет расстояния между объектами с помощью YOLO11 — это надежное решение, которое может способствовать принятию обоснованных решений. Оно 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 требовали ручных усилий. Хотя существуют некоторые проблемы, такие как чувствительность к факторам окружающей среды и проблемы конфиденциальности, преимущества, такие как автоматизация, масштабируемость и простота интеграции, делают это решение эффективным. Поскольку компьютерное зрение продолжает совершенствоваться, особенно в таких областях, как расчет расстояния, весьма вероятно, что мы увидим реальный сдвиг в том, как машины взаимодействуют с окружающим миром и понимают его.

Присоединяйся к нашему сообществу! Изучи наш репозиторий на GitHub, чтобы узнать больше о ИИ технического зрения. Если тебе интересно использовать компьютерное зрение, ознакомься с нашими вариантами лицензирования. Узнай, как компьютерное зрение в здравоохранении повышает эффективность, и оцени влияние ИИ в сельском хозяйстве, посетив наши страницы решений!