VolgendeVolgende gids
Schatting van de diepte van de verspreiding van goudsbloemen
Visuele AI
Visuele AI-GIDS
Stereodiepteschatting geeft aan hoe ver weg dingen zijn door twee enigszins verschoven camerabeelden te vergelijken, net zoals uw twee ogen dat doen.
Luister naar deze gidsAI-verteld · ~2 min
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
Stereodiepteschatting maakt gebruik van twee camera's op een vaste afstand van elkaar (de basislijn). Hetzelfde punt op de wereld belandt op enigszins verschillende horizontale posities in de linker- en rechterafbeeldingen, en die verschuiving wordt dispariteit genoemd. Objecten in de buurt verschuiven veel; verre mensen bewegen nauwelijks. Diepte wordt berekend als (brandpuntsafstand x basislijn) / ongelijkheid, dus diepte en ongelijkheid zijn omgekeerd evenredig. Het moeilijkste is het matchen van de pixels tussen de twee afbeeldingen, vooral op gewone muren, herhalende patronen of reflecterende oppervlakken waar veel pixels er identiek uitzien. Klassieke methoden zoals Semi-Global Matching scannen langs scanlijnen, terwijl moderne diepe netwerken zoals PSMNet en RAFT-Stereo rijke functies leren en ongelijkheid iteratief verfijnen, waardoor zelfs in lastige gebieden een dichte, nauwkeurige diepte ontstaat.
Zelfrijdende en rijhulpsystemen maken gebruik van stereocamera's om de afstand tot auto's, voetgangers en stoepranden te meten om te remmen en de rijstrook aan te houden.
Magazijn- en landbouwrobots bouwen 3D-kaarten om objecten te grijpen, obstakels te vermijden en fruit op de juiste diepte te plukken.
AR/VR-headsets, zoals passthrough-apparaten, schatten de geometrie van de ruimte in, zodat virtuele objecten correct op echte oppervlakken terechtkomen.
Marsrovers (bijv. Perseverance) gebruiken stereonavigatiecamera's om zonder GPS veilige paden over rotsachtig terrein te plannen.
Verwacht een nauwere fusie van stereo met LiDAR-, radar- en monoculaire signalen, zodat systemen netjes degraderen als één sensor uitvalt. Op transformatoren gebaseerde matching en zelfgecontroleerde training (leren van onbewerkte video zonder diepgang in de grond van de waarheid) verminderen de behoefte aan dure gelabelde gegevens. De efficiëntie op het apparaat verbetert snel, waardoor real-time stereo beschikbaar komt op drones, AR-brillen en goedkope robots. Gebeurteniscamera's en aangeleerde actieve patronen beloven betrouwbare diepte, zelfs bij weinig licht, bewegingsonscherpte en textuurloze scènes die de hedendaagse methoden te boven gaan.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Stereodiepteschatting geeft aan hoe ver weg dingen zijn door twee enigszins verschoven camerabeelden te vergelijken, net zoals uw twee ogen dat doen. Het zet platte afbeeldingen om in 3D-afstandskaarten waarop robots, auto's en telefoons vertrouwen om de ruimte te begrijpen.
Ongelijkheid is hoe ver een corresponderend punt horizontaal beweegt tussen de twee gecorrigeerde weergaven; grotere ongelijkheid betekent dat het object dichterbij is.
Diepte = (brandpuntsafstand x basislijn) / ongelijkheid, dus naarmate de ongelijkheid kleiner wordt, neemt de geschatte diepte toe. Verre objecten hebben een kleine ongelijkheid.
Rectificatie vervormt beide afbeeldingen, zodat overeenkomsten beperkt blijven tot één horizontale lijn, waardoor een 2D-zoekopdracht verandert in een snelle 1D-zoekopdracht.
Textuurloze of repetitieve oppervlakken zorgen ervoor dat veel pixels er identiek uitzien, waardoor het algoritme niet met zekerheid de juiste match kan vinden.
De basislijn is de scheiding tussen de twee cameracentra; een bredere basislijn verbetert de nauwkeurigheid voor verre objecten.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Schatting van de diepte van de verspreiding van goudsbloemen
Visuele AI