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.

Аналогично, computer vision — это ветвь искусственного интеллекта (ИИ), которая позволяет машинам понимать свое окружение путем интерпретации визуальных данных. Точно так же, как ты можешь оценить близость машины для принятия быстрых решений, 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 реальном времени. Проще говоря, YOLO11 работает, просматривая все изображение целиком за раз, а не по частям, что делает ее более быстрой и эффективной. Она также может справляться 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, что полезно во многих сферах, таких как производство, ритейл и управление толпой, помогая повысить безопасность и эффективность.

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

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

Обзор 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 ключевую роль играет calibration. Ты можешь представить это так, будто используешь линейку для измерения чего-либо, а затем применяешь это измерение, чтобы понять размер других объектов. Ссылаясь на объекты известного размера, 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.

Fig 2. Монета может использоваться 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 depth cameras могут измерять истинную глубину и давать более подробную пространственную информацию, во многих случаях простой откалиброванной дистанции оказывается достаточно. Например, знание расстояния между объектами в двумерной плоскости отлично подходит для таких задач, как отслеживание объектов или управление очередями, поэтому оценка глубины в таких ситуациях не требуется.

Понимание принципов работы расчета расстояния с помощью Ultralytics YOLO11#

Далее давай разберем, как вычислить расстояние между двумя объектами, используя поддержку обнаружения объектов и трекинга в Ultralytics YOLO11. Вот подробный разбор:

• Обнаружение и отслеживание объектов: Ultralytics YOLO11 можно использовать для обнаружения объектов, распознавая их в кадре и отслеживая их движение между кадрами в видео. Модель присваивает каждому объекту уникальный идентификатор track ID, позволяя системе контролировать их положение и перемещение по ходу видео.
• Ограничивающие рамки: Ограничивающие рамки рисуются вокруг обнаруженных объектов на основе результатов детектирования объектов Ultralytics YOLO11, которые определяют их местоположение на изображении.
• Выбор объектов: Можно выбрать два объекта для отслеживания, и Ultralytics YOLO11 обновляет ограничивающие рамки по мере того, как объекты движутся 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.

Влияние оценки расстояния с помощью YOLO#

Учитывая, что расчет расстояний с помощью Ultralytics YOLO11 является приближенным, ты можешь задаться вопросом: где это можно применить и как это может помочь?

Поскольку для получения этих оценок расстояния используются калибровки, они достаточно точны, чтобы помочь вногих практических ситуациях. Оценка расстояния с помощью Ultralytics YOLO11 особенно полезна в динамичных средах, таких как склады, где объекты постоянно находятся в движении и необходимы корректировки в реальном времени для поддержания бесперебойной работы.

Интересным примером является использование YOLO11 для track packages на конвейерной ленте и оценки расстояния между ними в реальном времени. Это помогает менеджерам складов следить за тем, чтобы посылки были расставлены правильно, 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 упаковок с помощью Ultralytics YOLO11 и расчет расстояния между ними.

Расчет расстояния в приложениях компьютерного зрения#

Различные приложения компьютерного зрения могут извлечь выгоду из расчета расстояния между объектами с помощью Ultralytics YOLO11. Например, в аналитике розничной торговли это помогает улучшить управление очередями за счет отслеживания позиций клиентов в реальном времени. Это позволяет бизнесу эффективнее распределять ресурсы, сокращать время ожидания и создавать более комфортные условия для совершения покупок. Динамически регулируя уровень штата и управляя потоком покупателей, магазины могут предотвращать скопление людей и оптимизировать использование пространства.

Аналогично, в traffic management оценка расстояния помогает контролировать интервалы между транспортными средствами и анализировать схемы движения. Это можно использовать для обнаружения опасного поведения, такого как езда на слишком близком расстоянии, и настройки сигналов светофора для поддержания бесперебойного потока движения. Это может помочь сделать дороги безопаснее за счет выявления потенциальных проблем и улучшения общего управления дорожным движением в реальном времени.

Fig 5. Расчет расстояния на основе компьютерного зрения может использоваться для мониторинга дорожного движения.

Еще одно уникальное применение этой технологии появилось во время COVID-19 pandemic, когда она помогла соблюдать социальную дистанцию. Она гарантировала, что люди держат 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.

Плюсы 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.
• Privacy concerns: использование компьютерного зрения для отслеживания объектов или людей может вызывать проблемы с конфиденциальностью, особенно в общественных местах или чувствительных средах, где могут затрагиваться 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.

Основные выводы#

Расчет расстояния между объектами с помощью Ultralytics YOLO11 — это надежное решение, которое может поддержать принятие решений. Это особенно полезно в динамичных средах, таких как склады, ритейл 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 трудности, такие как чувствительность к факторам окружающей среды и вопросы конфиденциальности, преимущества — такие как автоматизация, масштабируемость и простота интеграции — делают этот подход результативным. По мере того как компьютерное зрение продолжает совершенствоваться, особенно в таких областях, как расчет расстояния, мы, вероятно, увидим реальные изменения в том, как машины взаимодействуют с окружающим пространством и понимают его.

Присоединяйся к нашему community! Изучи наш GitHub repository, чтобы узнать больше о визуальном ИИ. Если тебе интересно использовать компьютерное зрения, ознакомься с нашими licensing options. Узнай, как computer vision in healthcare повышает эффективность, и оцени влияние AI in agriculture, посетив наши страницы решений!