Tiếp theoHướng dẫn tiếp theo
Ước tính độ sâu khuếch tán cúc vạn thọ
AI trực quan
HƯỚNG DẪN AI trực quan
Ước tính độ sâu âm thanh nổi
Ước tính độ sâu âm thanh nổi phục hồi khoảng cách của mọi thứ bằng cách so sánh hai chế độ xem camera lệch nhau một chút, giống như hai mắt của bạn.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
Lặn sâu
Ước tính độ sâu âm thanh nổi sử dụng hai camera cách nhau một khoảng cố định (đường cơ sở). Cùng một điểm trên thế giới nằm ở các vị trí nằm ngang hơi khác nhau trong hình ảnh bên trái và bên phải, và sự thay đổi đó được gọi là sự chênh lệch. Các vật thể ở gần dịch chuyển rất nhiều; những người ở xa hầu như không di chuyển. Độ sâu được tính bằng (tiêu cự x đường cơ sở)/độ chênh lệch, do đó độ sâu và độ chênh lệch có mối quan hệ nghịch đảo. Phần khó khăn là khớp các pixel giữa hai hình ảnh, đặc biệt là trên các bức tường trơn, các mẫu lặp lại hoặc các bề mặt phản chiếu nơi có nhiều pixel trông giống hệt nhau. Các phương pháp cổ điển như Semi-Global Matching quét dọc theo đường quét, trong khi các mạng sâu hiện đại như PSMNet và RAFT-Stereo tìm hiểu các tính năng phong phú và tinh chỉnh lặp đi lặp lại sự khác biệt, tạo ra độ sâu dày đặc, chính xác ngay cả ở những vùng phức tạp.
Triển khai trong thế giới thực
Hệ thống tự lái và hỗ trợ người lái sử dụng camera âm thanh nổi để đo khoảng cách với ô tô, người đi bộ và lề đường để phanh và giữ làn đường.
Robot kho hàng và nông nghiệp xây dựng bản đồ 3D để nắm bắt đồ vật, tránh chướng ngại vật và hái trái cây ở độ sâu phù hợp.
Tai nghe AR/VR như thiết bị truyền qua ước tính hình dạng phòng để các vật thể ảo nằm chính xác trên bề mặt thực.
Xe thám hiểm sao Hỏa (ví dụ: Sự kiên trì) sử dụng camera điều hướng âm thanh nổi để lên kế hoạch cho những con đường an toàn trên địa hình nhiều đá mà không cần GPS.
Tương lai của ước tính độ sâu âm thanh nổi
Mong đợi sự kết hợp chặt chẽ hơn giữa âm thanh nổi với LiDAR, radar và tín hiệu một mắt để hệ thống xuống cấp một cách nhẹ nhàng khi một cảm biến bị lỗi. Đào tạo tự giám sát và kết hợp dựa trên máy biến áp (học từ video thô không có chiều sâu thực tế cơ bản) đang cắt giảm nhu cầu về dữ liệu được dán nhãn đắt tiền. Hiệu quả trên thiết bị đang được cải thiện nhanh chóng, đưa âm thanh nổi theo thời gian thực vào máy bay không người lái, kính AR và robot giá rẻ. Máy ảnh sự kiện và các mẫu hoạt động đã học hứa hẹn độ sâu đáng tin cậy ngay cả trong điều kiện ánh sáng yếu, chuyển động mờ và cảnh không có kết cấu đánh bại các phương pháp ngày nay.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
- Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
- Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
coi chừng
- Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
- Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
- Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Các bước tiếp theo
- Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
- Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
- Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
- Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Stereo Depth Estimation quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
What is Stereo Depth Estimation?
Ước tính độ sâu âm thanh nổi phục hồi khoảng cách của mọi thứ bằng cách so sánh hai chế độ xem camera lệch nhau một chút, giống như hai mắt của bạn. Nó biến hình ảnh phẳng thành bản đồ khoảng cách 3D mà robot, ô tô và điện thoại dựa vào để hiểu không gian.
'Sự chênh lệch' trong tầm nhìn âm thanh nổi là gì?
Sự chênh lệch là khoảng cách một điểm tương ứng di chuyển theo chiều ngang giữa hai chế độ xem được chỉnh sửa; sự chênh lệch lớn hơn có nghĩa là vật thể ở gần hơn.
Độ sâu liên quan đến sự chênh lệch như thế nào?
Độ sâu = (tiêu cự x đường cơ sở) / chênh lệch, do đó, khi độ chênh lệch giảm xuống, độ sâu ước tính sẽ tăng lên. Các vật thể ở xa có sự chênh lệch rất nhỏ.
Tại sao hình ảnh được 'chỉnh sửa' trước khi khớp?
Việc chỉnh sửa sẽ làm cong cả hai hình ảnh để các kết quả trùng khớp được giới hạn trong một đường ngang, biến tìm kiếm 2D thành tìm kiếm 1D nhanh.
Trường hợp nào khó nhất để khớp âm thanh nổi?
Các bề mặt không có kết cấu hoặc lặp đi lặp lại làm cho nhiều pixel trông giống hệt nhau, do đó thuật toán không thể tự tin tìm ra kết quả khớp chính xác.
'Đường cơ sở' đề cập đến điều gì?
Đường cơ sở là khoảng cách giữa hai tâm camera; đường cơ sở rộng hơn sẽ cải thiện độ chính xác cho các vật thể ở xa.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này