คู่มือ AI แบบเห็นภาพ
การวัดระยะทางสายตา
การวัดระยะทางด้วยสายตาจะประมาณว่ากล้องเคลื่อนที่ไปทั่วโลกอย่างไรโดยติดตามว่าภาพเปลี่ยนเฟรมไปยังเฟรมอย่างไร
ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min
บนหน้านี้อ่าน 2 นาที
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
- กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
- ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
- เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
- 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
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