3D Object Detection

3D nesne tespiti, makinelerin üç boyutlu bir uzay içindeki nesneleri tanımlamasını, konumlandırmasını ve boyutlarını belirlemesini sağlayan gelişmiş bir bilgisayarlı görü görevidir. Bir görüntüdeki öğenin etrafına düz bir 2D object detection çizen geleneksel bounding box yönteminin aksine, 3D nesne tespiti nesneyi saran bir küboid (3D kutu) tahmin eder. Bu, kritik derinlik bilgisi, yönelim (başlık) ve hassas uzamsal boyutlar sağlayarak sistemlerin bir nesnenin ne olduğunu değil, gerçek dünyada sensöre göre tam olarak nerede olduğunu anlamasına olanak tanır. Bu yetenek, ortamlarıyla fiziksel olarak etkileşime girmesi gereken teknolojiler için temeldir.

3D Nesne Algılama Nasıl Çalışır#

Derinliği ve hacmi algılamak için 3D tespit modelleri genellikle standart kameraların sağladığından daha zengin veri girdilerine güvenir. Bazı gelişmiş yöntemler monoklən (tek lensli) görüntülerden 3D yapıları çıkarabilirken, en sağlam sistemlerin çoğu LiDAR sensors, radar veya stereo kameralardan gelen verileri kullanır. Bu sensörler, nesnelerin dış yüzeyini temsil eden devasa veri noktası koleksiyonları olan point clouds üretir.

Süreç birkaç temel adımdan oluşur:

• Veri Edinme: Sensörler sahnenin geometrisini yakalar. Örneğin LiDAR, mesafeleri ölçmek için lazer darbeleri kullanır ve hassas bir 3D harita oluşturur.
• Özellik Çıkarma: Genellikle Convolutional Neural Networks (CNNs) veya Transformer tabanlı derin öğrenme modelleri, kalıpları belirlemek için nokta bulutunu veya birleştirilmiş görüntü verilerini işler.
• Bounding Box Tahmini: Model, merkez koordinatları (x, y, z), boyutları (uzunluk, genişlik, yükseklik) ve dönüş açısı (yaw) ile tanımlanan bir 3D bounding box çıktısı verir.
• Sınıflandırma: image classification işlemine benzer şekilde sistem, tespit edilen nesneye bir etiket (örneğin "yay", "araç") atar.

2D ve 3D Algılama Arasındaki Fark#

Bu birbiriyle ilişkili iki kavram arasında ayrım yapmak önemlidir.

• 2D Object Detection: Düz görüntüler (pikseller) üzerinde çalışır. Bir nesnenin bir çerçevenin "sol üst" veya "sağ alt" kısmında olduğunu söyler ancak referans işaretleri olmadan mesafeyi veya gerçek dünya boyutunu etkili bir şekilde değerlendireamaz. identifying manufacturing defects veya derinliğin daha az kritik olduğu video akışlarını analiz etmek gibi görevler için idealdir.
• 3D Nesne Algılama: Hacimsel uzayda (voksel veya noktalar) çalışır. Kameradan olan mesafeyi (derinlik), nesnenin fiziksel boyutunu ve yönelimini sağlar. Bu, dinamik ortamlarda çarpışmaları önlemek için gereklidir.

Gerçek Dünya Uygulamaları#

2D'den 3D algılamaya geçiş, güvenlik ve uzamsal farkındalığın çok önemli olduğu endüstrilerde güçlü kullanım alanlarının önünü açar.

• Otonom Sürüş: Otonom araçlar güvenli bir şekilde seyretmek için büyük ölçüde 3D tespite güvenir. LiDAR ve kameradan gelen verileri işleyen araç, diğer arabaları, yayaları ve engelleri tespit ederek bunların tam mesafesini ve hızını hesaplar. Bu, algılama sisteminin yörüngeleri tahmin etmesine ve real-time inference senaryolarında fren veya direksiyon kararları almasına olanak tanır. Waymo gibi şirketler, kentsel ortamları anında haritalandırmak için bu ağır sensör paketlerini kullanır.
• Robotik ve Kutu Toplama: Lojistik ve depoculukta robotların, kutulardan değişen şekil ve boyutlardaki nesneleri alması gerekir. 3D tespit, bir robot kolunun bir paketin yönünü anlamasını, en iyi tutma noktasını belirlemesini ve öğeyi taşımak için çarpışmasız bir yol planlamasını sağlar. Bu, karmaşık manuel görevleri otomatize ederek AI in logistics alanındaki verimliliği artırır.

Ultralytics ile Nesne Algılamayı Uygulama#

Tam 3D tespit genellikle özel nokta bulutu mimarileri gerektirse de, YOLO26 gibi modern 2D dedektörler, sözde 3D iş akışlarında bir bileşen olarak veya sınırlayıcı kutu ölçeklendirmesi yoluyla derinliği tahmin etmek için giderek daha fazla kullanılmaktadır. Kendi veri setleri üzerinde model eğitmek isteyen geliştiriciler için Ultralytics Platform açıklama ve eğitim için akıcı bir ortam sunar.

İşte, daha büyük bir algılama hattındaki ilk adım olarak sıklıkla kullanılan Ultralytics Python API'sini kullanarak standart algılamanın nasıl çalıştırılacağına dair basit bir örnek:

import cv2
from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Perform inference on a local image
results = model("path/to/image.jpg")

# Visualize the results
for result in results:
    # Plot predictions on the image (returns a numpy array)
    im_array = result.plot()

    # Display using OpenCV
    cv2.imshow("Detections", im_array)
    cv2.waitKey(0)  # Press any key to close
    cv2.destroyAllWindows()

Zorluklar ve Gelecek Eğilimleri#

Faydalarına rağmen 3D nesne tespiti, hesaplama maliyeti ve sensör masrafı ile ilgili zorluklarla karşı karşıyadır. Bir nokta bulutundaki milyonlarca noktayı işlemek önemli düzeyde GPU gücü gerektirir ve uç cihazlarda dağıtımı zorlaştırır. Bununla birlikte, model quantization ve verimli sinir ağ mimarilerindeki yenilikler bu yükü azaltmaktadır.

Ayrıca sensör füzyonu gibi teknikler, kameraların zengin renk bilgilerini LiDAR'ın hassas derinlik verileriyle birleştirerek doğruluk oranını artırmaktadır. Bu teknolojiler olgunlaştıkça, augmented reality glasses cihazlarından akıllı ev aletlerine kadar daha erişilebilir cihazlara 3D algılamanın entegre edildiğini görmeyi bekleyebiliriz.