คู่มือ AI แบบเห็นภาพ

การวัดระยะทางสายตา

การวัดระยะทางด้วยสายตาจะประมาณว่ากล้องเคลื่อนที่ไปทั่วโลกอย่างไรโดยติดตามว่าภาพเปลี่ยนเฟรมไปยังเฟรมอย่างไร

ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min

บนหน้านี้อ่าน 2 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของการวัดระยะทางสายตา
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

It matters because it lets robots, drones, and AR devices know their position without GPS, using vision alone.

เจาะลึก

การวัดระยะทางด้วยการมองเห็น (VO) จะประเมินการเคลื่อนไหวของกล้อง การแปล และการหมุนกล้องแบบค่อยเป็นค่อยไป โดยการวิเคราะห์ภาพที่ต่อเนื่องกัน ไปป์ไลน์ตามฟีเจอร์จะตรวจจับจุดสำคัญ จับคู่หรือติดตามจุดเหล่านั้นข้ามเฟรม และคำนวณท่าทางสัมพันธ์จากความสัมพันธ์ทางเรขาคณิตระหว่างจุดที่ตรงกัน จากนั้นเชื่อมโยงส่วนเพิ่มเหล่านี้เข้ากับวิถี วิธีการโดยตรงแทนที่จะลดข้อผิดพลาดทางโฟโตเมตริก (ความแตกต่างของความเข้มของพิกเซล) โดยไม่มีคุณสมบัติที่ชัดเจน VO เป็นส่วนหน้าของระบบ SLAM จำนวนมาก แต่เมื่อ SLAM เต็มรูปแบบสร้างและรักษาแผนที่ทั่วโลกโดยมีการปิดแบบวนซ้ำ VO แบบธรรมดาจะเน้นที่การเคลื่อนไหวแบบเฟรมต่อเฟรมเฉพาะที่ จุดอ่อนของมันคือความคลาดเคลื่อน: ข้อผิดพลาดเล็กๆ น้อยๆ ต่อเฟรมสะสมเมื่อเวลาผ่านไป VO ขับเคลื่อนรถยนต์ที่ขับเคลื่อนด้วยตนเอง รถสำรวจดาวเคราะห์ โดรนในสภาพแวดล้อมที่ถูกปฏิเสธด้วย GPS และการติดตามชุดหูฟังใน AR/VR

การใช้งานจริงในโลกแห่งความเป็นจริง

รถโรเวอร์บนดาวอังคารชอบ Perseverance โดยใช้การวัดระยะทางด้วยภาพเพื่อติดตามการลื่นไถลของล้อและนำทางภูมิประเทศโดยไม่ต้องใช้ GPS

ชุดหูฟัง AR/VR ติดตามตำแหน่งศีรษะจากกล้องในตัวเพื่อการติดตาม 6DoF จากภายในสู่ภายนอก

โดรนที่รักษาการบินและการนำทางอย่างมั่นคงภายในอาคารหรือในสภาพแวดล้อมที่ถูกปฏิเสธด้วย GPS

รถยนต์และหุ่นยนต์ที่ขับเคลื่อนด้วยตนเองผสมผสานการเคลื่อนไหวของกล้องเข้ากับข้อมูล IMU เพื่อระบุตำแหน่งระหว่างการอัปเดตแผนที่

อนาคตของการวัดระยะทางสายตา

VO กำลังมุ่งสู่แนวทางการเรียนรู้และแบบผสมผสาน: เครือข่ายระดับลึกจะประมาณความลึก การไหลของแสง และท่าทาง และแม้แต่ฝึกฝนในลักษณะที่มีการดูแลตนเองโดยใช้ความสอดคล้องของการสังเคราะห์มุมมอง ฟิวชั่นภาพเฉื่อยที่เข้มงวดยิ่งขึ้น กล้องเหตุการณ์ที่บันทึกการเปลี่ยนแปลงความสว่างระดับไมโครวินาที และเครื่องเร่งประสาทบนอุปกรณ์กำลังผลักดัน VO ไปสู่ความแข็งแกร่งขั้นสุดยอดในความมืด ความเร็วสูง และฉากไดนามิก กลายเป็นเลเยอร์พื้นฐานสำหรับเครื่องจักรอัตโนมัติและการประมวลผลเชิงพื้นที่

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • ความเร็วและขนาด. Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
  • สร้างทางเลือก. ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
  • ทีมงานและขั้นตอนการทำงาน. การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก

ระวัง

  • สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
  • ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
  • ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น

ขั้นตอนต่อไป

  1. กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
  2. ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
  3. เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
  4. ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the Visual Odometry quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

What is Visual Odometry?

การวัดระยะทางด้วยสายตาจะประมาณว่ากล้องเคลื่อนที่ไปทั่วโลกอย่างไรโดยติดตามว่าภาพเปลี่ยนเฟรมไปยังเฟรมอย่างไร สิ่งสำคัญคือช่วยให้หุ่นยนต์ โดรน และอุปกรณ์ AR รู้ตำแหน่งของตนโดยไม่ต้องใช้ GPS โดยใช้การมองเห็นเพียงอย่างเดียว

การวัดระยะทางด้วยการมองเห็นประเมินอะไรเป็นหลัก?

การวัดระยะทางที่มองเห็นจะติดตามการเปลี่ยนแปลงของภาพระหว่างเฟรมต่างๆ เพื่อประเมินท่าทางสัมพัทธ์ของกล้อง โดยเชื่อมโยงสิ่งเหล่านี้เข้ากับวิถี

'ดริฟท์' ในการวัดระยะทางสายตาคืออะไร?

เนื่องจาก VO ประมาณการการเคลื่อนไหวเพิ่มขึ้น ข้อผิดพลาดเล็กๆ น้อยๆ ในแต่ละขั้นตอนจึงประกอบกันเมื่อเวลาผ่านไป ส่งผลให้เส้นทางที่ประมาณไว้เบี่ยงเบนไปจากเส้นทางจริง

Why is absolute scale ambiguous in ordinary monocular visual odometry without a metric reference?

Vision-only scale needs an additional suitable constraint, such as calibrated stereo, depth, or observable inertial information.

การวัดระยะทางแบบเฉื่อยด้วยภาพช่วยเพิ่มความทนทานได้อย่างไร

การรวมการประมาณการเคลื่อนไหวของภาพเข้ากับการวัดแรงเฉื่อยจะช่วยในระหว่างการเคลื่อนไหวที่รวดเร็ว ภาพเบลอจากการเคลื่อนไหว หรือฉากที่มีพื้นผิวต่ำซึ่งการมองเห็นเพียงอย่างเดียวต้องดิ้นรน

การวัดระยะทางด้วยสายตาธรรมดาแตกต่างจาก Full Visual SLAM อย่างไร

โดยทั่วไปแล้ว VO จะเป็นตัวประมาณการเคลื่อนที่ของส่วนหน้า SLAM เพิ่มการแมปทั่วโลกและการปิดลูปเพื่อแก้ไขการดริฟท์ที่สะสม

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →