Ukadiriaji wa Kina cha Stereo
Ukadiriaji wa kina cha stereo hurejesha jinsi mambo yalivyo mbali kwa kulinganisha mionekano miwili ya kamera iliyosimikwa kidogo, kama vile macho yako mawili hufanya.
Muhtasari
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
Dive ya kina
Ukadiriaji wa kina cha stereo hutumia kamera mbili zilizo umbali usiobadilika (msingi). Hatua hiyo hiyo katika ulimwengu inatua katika nafasi tofauti kidogo za usawa katika picha za kushoto na kulia, na mabadiliko hayo huitwa kutofautiana. Vitu vya karibu vinahama sana; walio mbali wanasonga kwa shida. Kina kinakokotolewa kama (urefu wa kuzingatia x msingi) / tofauti, kwa hivyo kina na tofauti zinahusiana kinyume. Sehemu ngumu inalinganisha pikseli kati ya picha mbili, hasa kwenye kuta tupu, ruwaza zinazojirudia, au nyuso zinazoakisi ambapo saizi nyingi zinafanana. Mbinu za kawaida kama vile Ulinganishaji wa Nusu Ulimwenguni huchanganua kwenye scanlines, wakati mitandao ya kisasa ya kina kama vile PSMNet na RAFT-Stereo hujifunza vipengele vingi na kuboresha tofauti mara kwa mara, kutoa kina mnene, sahihi hata katika maeneo yenye ujanja.
Ufahamu wa Kiufundi
Picha zote mbili hurekebishwa kwanza ili pointi zinazolingana ziko kwenye safu mlalo sawa, na hivyo kupunguza utafutaji hadi kipimo kimoja. Kiasi cha gharama hujengwa kwa kujaribu kila tofauti ya mgombea kwa kila pikseli, kupima jinsi vipengele vya kushoto na kulia vinakubalika. Mitandao hujumlisha sauti hii kwa miunganisho ya 3D au masasisho ya mara kwa mara, kisha chukua ulinganifu wa laini juu ya tofauti ili kupata usahihi wa pikseli ndogo. Uhusiano wa kinyume kati ya tofauti na kina inamaanisha kuwa kina cha mbali kina kelele zaidi kuliko kina cha karibu.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Ukadiriaji wa Kina cha Stereo
Tarajia muunganisho mkali zaidi wa stereo na LiDAR, rada, na viashiria vya monocular ili mifumo iharibu vyema kitambuzi kimoja kinaposhindwa. Mafunzo ya ulinganishaji yanayotegemea kibadilishaji na kujisimamia (kujifunza kutoka kwa video mbichi bila kina cha ukweli wa msingi) yanapunguza hitaji la data yenye lebo ghali. Ufanisi wa kifaa unaimarika kwa haraka, kwa kuweka stereo ya wakati halisi kwenye drones, miwani ya Uhalisia Pepe na roboti za bei nafuu. Kamera za matukio na mifumo inayotumika iliyofunzwa huahidi kina cha kuaminika hata katika mwanga hafifu, ukungu wa mwendo na matukio yasiyo na maandishi yanayoshinda mbinu za leo.
Utekelezaji wa Ulimwengu Halisi
Mifumo ya kujiendesha yenyewe na ya kusaidia udereva hutumia kamera za stereo kupima umbali wa magari, watembea kwa miguu na kando ya breki na njia.
Roboti za ghala na kilimo huunda ramani za 3D ili kushika vitu, kuepuka vizuizi, na kuchukua matunda kwa kina kirefu.
Vipokea sauti vya AR/VR kama vile vifaa vya upitishaji vinakadiria jiometri ya chumba ili vitu dhahania vikae ipasavyo kwenye nyuso halisi.
Mirihi (k.m., Uvumilivu) hutumia kamera za urambazaji za stereo kupanga njia salama kwenye ardhi ya mawe bila GPS.
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Stereo Depth Estimation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Ukadiriaji wa Kina cha Usambazaji wa Marigold
Maswali yanayoulizwa mara kwa mara
What is Stereo Depth Estimation?
Ukadiriaji wa kina cha stereo hurejesha jinsi mambo yalivyo mbali kwa kulinganisha mionekano miwili ya kamera iliyosimikwa kidogo, kama vile macho yako mawili hufanya. Hubadilisha picha bapa kuwa ramani za umbali za 3D ambazo roboti, magari na simu hutegemea kuelewa nafasi.
Je, 'tofauti' katika maono ya stereo ni nini?
Tofauti ni jinsi hatua inayolingana inavyosonga kwa usawa kati ya maoni mawili yaliyorekebishwa; tofauti kubwa inamaanisha kuwa kitu kiko karibu.
Je, kina kinahusiana vipi na tofauti?
Kina = (urefu wa kuzingatia x msingi) / tofauti, ili tofauti inavyopungua, kina kinachokadiriwa hukua. Vitu vya mbali vina tofauti ndogo.
Kwa nini picha 'hurekebishwa' kabla ya kulinganishwa?
Marekebisho hubadilisha picha zote mbili ili ulinganifu ufungwe kwenye mstari mmoja wa mlalo, na kugeuza utafutaji wa 2D kuwa utafutaji wa haraka wa 1D.
Ni hali gani ambayo ni ngumu zaidi kwa kulinganisha stereo?
Nyuso zisizo na umbile au zinazojirudia rudia hufanya saizi nyingi zifanane, kwa hivyo algoriti haiwezi kupata inayolingana sahihi kwa ujasiri.
Je, 'msingi' unarejelea nini?
Msingi ni utengano kati ya vituo viwili vya kamera; msingi mpana zaidi huboresha usahihi wa vitu vilivyo mbali.