Stereo Derinlik Tahmini
Stereo derinlik tahmini, tıpkı iki gözünüzün yaptığı gibi, hafifçe kaydırılmış iki kamera görüntüsünü karşılaştırarak nesnelerin ne kadar uzakta olduğunu kurtarır.
Genel Bakış
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
Derin Dalış
Stereo derinlik tahmini, birbirinden sabit uzaklıkta (temel çizgi) iki kamera kullanır. Dünyadaki aynı nokta, sol ve sağ görüntülerde biraz farklı yatay konumlarda yer alır ve bu kaymaya eşitsizlik denir. Yakındaki nesneler çok fazla yer değiştiriyor; Uzaktakiler zar zor hareket ediyor. Derinlik (odak uzaklığı x taban çizgisi) / eşitsizlik olarak hesaplanır, dolayısıyla derinlik ve eşitsizlik ters ilişkilidir. Zor kısım, özellikle düz duvarlarda, yinelenen desenlerde veya birçok pikselin aynı göründüğü yansıtıcı yüzeylerde, iki görüntü arasındaki pikselleri eşleştirmektir. Yarı Küresel Eşleştirme gibi klasik yöntemler tarama çizgileri boyunca tarama yaparken, PSMNet ve RAFT-Stereo gibi modern derin ağlar zengin özellikleri öğrenir ve eşitsizlikleri yinelemeli olarak iyileştirir, zorlu bölgelerde bile yoğun, doğru derinlik üretir.
Teknik Bilgi
Her iki görüntü de öncelikle düzeltilir, böylece eşleşen noktalar aynı yatay satırda yer alır ve arama tek boyuta indirilir. Her adayın eşitsizliği her piksel için test edilerek, sol ve sağ özelliklerin ne kadar uyumlu olduğu ölçülerek bir maliyet hacmi oluşturulur. Ağlar bu hacmi 3 boyutlu evrişimler veya yinelenen güncellemelerle birleştirir, ardından alt piksel hassasiyeti elde etmek için eşitsizlikler üzerinde yumuşak bir tartışma yapar. Eşitsizlik ile derinlik arasındaki ters ilişki, uzak derinliğin doğası gereği yakın derinliğe göre daha gürültülü olduğu anlamına gelir.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
Stereo Derinlik Tahmininin Geleceği
LiDAR, radar ve monoküler işaretlerle stereonun daha sıkı bir şekilde birleşmesini bekleyebilirsiniz, böylece bir sensör arızalandığında sistemler sorunsuz bir şekilde bozulur. Transformatör tabanlı eşleştirme ve kendi kendini denetleyen eğitim (gerçeklik derinliği olmadan ham videodan öğrenme), pahalı etiketli verilere olan ihtiyacı azaltıyor. Cihaz içi verimlilik hızla artıyor ve gerçek zamanlı stereoyu drone'lara, AR gözlüklere ve ucuz robotlara yerleştiriyor. Olay kameraları ve öğrenilmiş aktif modeller, günümüzün yöntemlerini boşa çıkaran düşük ışıkta, hareket bulanıklığında ve dokusuz sahnelerde bile güvenilir derinlik vaat ediyor.
Gerçek Dünya Uygulaması
Kendi kendine sürüş ve sürücü destek sistemleri, frenleme ve şerit tutma amacıyla arabalara, yayalara ve kaldırımlara olan mesafeyi ölçmek için stereo kameralar kullanıyor.
Depo ve tarım robotları, nesneleri kavramak, engellerden kaçınmak ve meyveleri doğru derinlikten toplamak için 3 boyutlu haritalar oluşturur.
Geçiş cihazları gibi AR/VR kulaklıkları oda geometrisini tahmin ederek sanal nesnelerin gerçek yüzeylere doğru şekilde oturmasını sağlar.
Mars gezicileri (örneğin Perseverance), GPS olmadan kayalık arazide güvenli yollar planlamak için stereo navigasyon kameraları kullanıyor.
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
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
Next guide
Kadife Çiçeği Difüzyon Derinliği Tahmini
Sık sorulan sorular
What is Stereo Depth Estimation?
Stereo derinlik tahmini, tıpkı iki gözünüzün yaptığı gibi, hafifçe kaydırılmış iki kamera görüntüsünü karşılaştırarak nesnelerin ne kadar uzakta olduğunu kurtarır. Düz görüntüleri robotların, arabaların ve telefonların alanı anlamak için kullandığı 3 boyutlu mesafe haritalarına dönüştürür.
Stereo görüşteki 'eşitsizlik' nedir?
Eşitsizlik, karşılık gelen bir noktanın düzeltilmiş iki görünüm arasında yatay olarak ne kadar uzağa hareket ettiğidir; daha büyük eşitsizlik, nesnenin daha yakın olduğu anlamına gelir.
Derinliğin eşitsizlikle nasıl bir ilişkisi var?
Derinlik = (odak uzaklığı x taban çizgisi) / eşitsizlik, yani eşitsizlik küçüldükçe tahmini derinlik artar. Uzak nesnelerde küçük eşitsizlikler vardır.
Görüntüler eşleşmeden önce neden 'düzeltiliyor'?
Düzeltme, her iki görüntüyü de çarpıtarak eşleşmelerin tek bir yatay çizgiyle sınırlandırılmasını sağlar ve 2 boyutlu aramayı hızlı 1 boyutlu aramaya dönüştürür.
Stereo eşleştirme için hangi senaryo en zorudur?
Dokusuz veya tekrarlayan yüzeyler birçok pikselin aynı görünmesini sağlar, dolayısıyla algoritma doğru eşleşmeyi güvenle bulamaz.
'Temel' ne anlama geliyor?
Temel çizgi, iki kamera merkezi arasındaki ayrımdır; daha geniş bir taban çizgisi uzaktaki nesnelerin doğruluğunu artırır.