التاليالدليل التالي
تقدير عمق انتشار القطيفة
الذكاء الاصطناعي البصري
دليل الذكاء الاصطناعي المرئي
يستعيد تقدير عمق الاستريو مدى بعد الأشياء عن طريق مقارنة عرضين للكاميرا متقابلين قليلاً، تمامًا كما تفعل عيناك.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
يستخدم تقدير عمق الاستريو كاميرتين على مسافة ثابتة (خط الأساس). نفس النقطة في العالم تقع في مواضع أفقية مختلفة قليلاً في الصورتين اليسرى واليمنى، وهذا التحول يسمى التباين. تتحرك الأشياء القريبة كثيرًا؛ البعيدة بالكاد تتحرك. يتم حساب العمق على أنه (البعد البؤري × خط الأساس) / التباين، لذلك يرتبط العمق والتباين عكسيا. الجزء الصعب هو مطابقة وحدات البكسل بين الصورتين، خاصة على الجدران العادية أو الأنماط المتكررة أو الأسطح العاكسة حيث تبدو العديد من وحدات البكسل متطابقة. تقوم الأساليب الكلاسيكية مثل المطابقة شبه العالمية بالمسح على طول خطوط المسح، بينما تتعلم الشبكات العميقة الحديثة مثل PSMNet وRAFT-Stereo ميزات غنية وتحسن التباين بشكل متكرر، مما ينتج عمقًا كثيفًا ودقيقًا حتى في المناطق الصعبة.
تستخدم أنظمة القيادة الذاتية ومساعدة السائق كاميرات استريو لقياس المسافة بين السيارات والمشاة والأرصفة للفرملة والحفاظ على المسار.
تقوم روبوتات المستودعات والروبوتات الزراعية ببناء خرائط ثلاثية الأبعاد لفهم الأشياء وتجنب العوائق وقطف الفاكهة على العمق المناسب.
تقوم سماعات الواقع المعزز/الواقع الافتراضي، مثل أجهزة العبور، بتقدير هندسة الغرفة بحيث يتم وضع الكائنات الافتراضية بشكل صحيح على الأسطح الحقيقية.
تستخدم مركبات المريخ (مثل المثابرة) كاميرات ملاحة استريو لتخطيط مسارات آمنة فوق التضاريس الصخرية بدون نظام تحديد المواقع العالمي (GPS).
توقع اندماجًا أكثر إحكامًا للاستريو مع LiDAR والرادار والإشارات أحادية العين بحيث تتحلل الأنظمة بسلاسة عند فشل أحد المستشعرات. تعمل المطابقة القائمة على المحولات والتدريب الخاضع للإشراف الذاتي (التعلم من الفيديو الخام دون عمق الحقيقة الأرضية) على تقليل الحاجة إلى البيانات المصنفة باهظة الثمن. تتحسن الكفاءة على الجهاز بسرعة، مما يؤدي إلى وضع نظام الاستريو في الوقت الفعلي على الطائرات بدون طيار، ونظارات الواقع المعزز، والروبوتات الرخيصة. تعد كاميرات الأحداث والأنماط النشطة المستفادة بعمق موثوق به حتى في الإضاءة المنخفضة، وضبابية الحركة، والمشاهد الخالية من الملمس التي تتغلب على الأساليب الحالية.
رسالة إخبارية مجانية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
يستعيد تقدير عمق الاستريو مدى بعد الأشياء عن طريق مقارنة عرضين للكاميرا متقابلين قليلاً، تمامًا كما تفعل عيناك. فهو يحول الصور المسطحة إلى خرائط مسافة ثلاثية الأبعاد تعتمد عليها الروبوتات والسيارات والهواتف لفهم الفضاء.
التباين هو مدى تحرك النقطة المقابلة أفقيًا بين وجهتي النظر المصححتين؛ التباين الأكبر يعني أن الكائن أقرب.
العمق = (البعد البؤري × خط الأساس) / التباين، فكلما تقلص التفاوت، زاد العمق المقدر. الأجسام البعيدة لها تباين بسيط.
يؤدي التصحيح إلى تشويه كلتا الصورتين بحيث تقتصر المطابقات على خط أفقي واحد، مما يحول البحث ثنائي الأبعاد إلى بحث سريع أحادي الأبعاد.
تجعل الأسطح غير المزخرفة أو المتكررة العديد من وحدات البكسل تبدو متطابقة، لذلك لا تستطيع الخوارزمية العثور على التطابق الصحيح بثقة.
خط الأساس هو الفصل بين مركزي الكاميرا؛ يعمل خط الأساس الأوسع على تحسين دقة الأجسام البعيدة.
استمر في التعلم
تم اختيار المزيد من الأدلة لهذا الموضوع
التاليالدليل التالي
تقدير عمق انتشار القطيفة
الذكاء الاصطناعي البصري