SeterusnyaPanduan seterusnya
Anggaran Kedalaman Resapan Marigold
AI Visual
PANDUAN AI Visual
Anggaran Kedalaman Stereo
Anggaran kedalaman stereo memulihkan jarak sesuatu dengan membandingkan dua paparan kamera yang diimbangi sedikit, seperti yang dilakukan oleh dua mata anda.
Dengar panduan iniAI-diceritakan · ~2 min
Pada halaman ini2 min dibaca
Gambaran keseluruhan
Ia menukar imej rata kepada peta jarak 3D yang robot, kereta dan telefon bergantung untuk memahami ruang.
Menyelam dalam
Anggaran kedalaman stereo menggunakan dua kamera dengan jarak tetap (garis dasar). Titik yang sama di dunia mendarat pada kedudukan mendatar yang sedikit berbeza dalam imej kiri dan kanan, dan anjakan itu dipanggil perbezaan. Objek berdekatan banyak beralih; yang jauh hampir tidak bergerak. Kedalaman dikira sebagai (panjang fokus x garis dasar) / ketaksamaan, jadi kedalaman dan ketaksamaan adalah berkaitan secara songsang. Bahagian yang sukar ialah memadankan piksel antara kedua-dua imej, terutamanya pada dinding biasa, corak berulang atau permukaan reflektif yang banyak piksel kelihatan sama. Kaedah klasik seperti imbasan Padanan Semi-Global di sepanjang garis imbasan, manakala rangkaian dalam moden seperti PSMNet dan RAFT-Stereo mempelajari ciri yang kaya dan memperhalusi jurang secara berulang, menghasilkan kedalaman yang padat dan tepat walaupun di kawasan yang rumit.
Pelaksanaan Dunia Sebenar
Sistem pemanduan sendiri dan bantuan pemandu menggunakan kamera stereo untuk mengukur jarak ke kereta, pejalan kaki dan sekatan untuk brek dan menjaga lorong.
Gudang dan robot pertanian membina peta 3D untuk menangkap objek, mengelakkan halangan dan memetik buah pada kedalaman yang betul.
Set kepala AR/VR seperti peranti passthrough menganggarkan geometri bilik supaya objek maya duduk dengan betul pada permukaan sebenar.
Pengembara Marikh (cth., Ketekunan) menggunakan kamera navigasi stereo untuk merancang laluan selamat di kawasan berbatu tanpa GPS.
Masa Depan Anggaran Kedalaman Stereo
Jangkakan gabungan stereo yang lebih ketat dengan isyarat LiDAR, radar dan monokular supaya sistem merosot dengan anggun apabila satu sensor gagal. Padanan berasaskan pengubah dan latihan penyeliaan sendiri (belajar daripada video mentah tanpa kedalaman kebenaran tanah) mengurangkan keperluan untuk data berlabel mahal. Kecekapan pada peranti bertambah baik dengan pantas, meletakkan stereo masa nyata pada dron, cermin mata AR dan robot murah. Kamera acara dan corak aktif yang dipelajari menjanjikan kedalaman yang boleh dipercayai walaupun dalam cahaya malap, gerakan kabur dan adegan tanpa tekstur yang mengalahkan kaedah hari ini.
Mempraktikkannya
Mengapa ia penting
- Kelajuan dan skala. Visual AI boleh mengautomasikan tugas pemeriksaan, pengesanan dan penandaan pada skala.
- Pilihan binaan. Pasukan kreatif boleh membuat prototaip konsep dengan lebih pantas dengan lebih sedikit semakan manual.
- Pasukan dan aliran kerja. Operasi boleh menggunakan isyarat imej dan video yang sebelum ini sukar diproses.
Berhati-hati untuk
- Hak imej dan persetujuan boleh menjadi risiko undang-undang jika asalnya tidak jelas.
- Prestasi model boleh berbeza mengikut pencahayaan, demografi dan persekitaran.
- Positif palsu mungkin tidak disedari melainkan ambang keyakinan dipantau.
Langkah seterusnya
- Tentukan kriteria penerimaan untuk ketepatan, ingatan semula dan kos ralat.
- Uji dengan data yang sepadan dengan keadaan pengeluaran sebenar.
- Tambahkan semakan manusia untuk ramalan keyakinan rendah atau berimpak tinggi.
- Jejaki hanyut model dan sahkan semula selepas perubahan kamera atau set data.
Teruskan Meneroka
Newsletter percuma
Dapatkan taklimat AI harian
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Take the Stereo Depth Estimation quiz
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Soalan lazim
Apakah Anggaran Kedalaman Stereo?
Anggaran kedalaman stereo memulihkan jarak sesuatu dengan membandingkan dua paparan kamera yang diimbangi sedikit, seperti yang dilakukan oleh dua mata anda. Ia menukar imej rata kepada peta jarak 3D yang robot, kereta dan telefon bergantung untuk memahami ruang.
Apakah 'perbezaan' dalam penglihatan stereo?
Perbezaan ialah sejauh mana titik sepadan bergerak secara mendatar antara dua pandangan yang diperbetulkan; perbezaan yang lebih besar bermakna objek lebih dekat.
Bagaimanakah kedalaman berkaitan dengan perbezaan?
Kedalaman = (panjang fokus x garis dasar) / ketaksamaan, jadi apabila ketaksamaan mengecil, anggaran kedalaman bertambah. Objek jauh mempunyai perbezaan kecil.
Mengapakah imej 'diperbetulkan' sebelum dipadankan?
Pembetulan meledingkan kedua-dua imej supaya padanan terhad kepada satu garis mendatar, menukar carian 2D menjadi carian 1D yang pantas.
Senario manakah yang paling sukar untuk pemadanan stereo?
Permukaan tidak bertekstur atau berulang menjadikan banyak piksel kelihatan sama, jadi algoritma tidak dapat mencari padanan yang betul dengan yakin.
Apakah yang dimaksudkan dengan 'garis dasar'?
Garis dasar ialah pemisahan antara dua pusat kamera; garis dasar yang lebih luas meningkatkan ketepatan untuk objek yang jauh.
Teruskan belajar
Panduan berkaitan
Lebih banyak panduan dipilih untuk topik ini