Tiếp theoHướng dẫn tiếp theo
Trả lời câu hỏi trực quan
AI trực quan
HƯỚNG DẪN AI trực quan
Đo thị giác
Phép đo hình ảnh trực quan ước tính cách máy ảnh di chuyển khắp thế giới bằng cách theo dõi cách hình ảnh thay đổi từng khung hình.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
It matters because it lets robots, drones, and AR devices know their position without GPS, using vision alone.
Lặn sâu
Phép đo hình ảnh trực quan (VO) ước tính từng bước chuyển động của máy ảnh, sự dịch chuyển và xoay của nó bằng cách phân tích các hình ảnh liên tiếp. Quy trình dựa trên tính năng sẽ phát hiện các điểm chính, khớp hoặc theo dõi chúng trên các khung và tính toán tư thế tương đối từ mối quan hệ hình học giữa các điểm khớp, sau đó xâu chuỗi các phần tăng này thành một quỹ đạo. Thay vào đó, các phương pháp trực tiếp giảm thiểu lỗi trắc quang (chênh lệch cường độ điểm ảnh) mà không có tính năng rõ ràng. VO là giao diện người dùng của nhiều hệ thống SLAM, nhưng trong đó SLAM đầy đủ xây dựng và duy trì bản đồ toàn cầu với tính năng đóng vòng lặp, VO đơn giản tập trung vào chuyển động từ khung hình này sang khung hình cục bộ. Điểm yếu của nó là độ lệch: các lỗi nhỏ trên mỗi khung hình tích lũy theo thời gian. VO hỗ trợ ô tô tự lái, máy thám hiểm hành tinh, máy bay không người lái trong môi trường bị GPS từ chối và theo dõi tai nghe trong AR/VR.
Triển khai trong thế giới thực
Xe thám hiểm sao Hỏa thích Sự kiên trì sử dụng phép đo hình ảnh trực quan để theo dõi độ trượt của bánh xe và điều hướng địa hình mà không cần GPS
Tai nghe AR/VR theo dõi vị trí đầu từ camera tích hợp để theo dõi 6DoF từ trong ra ngoài
Máy bay không người lái duy trì chuyến bay và điều hướng ổn định trong nhà hoặc trong môi trường bị từ chối GPS
Ô tô tự lái và robot kết hợp chuyển động của camera với dữ liệu IMU để bản địa hóa giữa các lần cập nhật bản đồ
Tương lai của phép đo thị giác
VO đang hướng tới các phương pháp tiếp cận đã học và kết hợp: mạng sâu ước tính độ sâu, luồng quang học và tư thế, thậm chí huấn luyện theo cách tự giám sát bằng cách sử dụng tính nhất quán của chế độ xem tổng hợp. Sự kết hợp quán tính-thị giác chặt chẽ hơn, camera sự kiện ghi lại những thay đổi về độ sáng trong micro giây và bộ tăng tốc thần kinh trên thiết bị đang đẩy VO đạt được độ bền cực cao trong bóng tối, tốc độ cao và cảnh động, trở thành lớp nền tảng cho máy tự động và điện toán không gian.
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 Visual Odometry 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 Visual Odometry?
Phép đo hình ảnh trực quan ước tính cách máy ảnh di chuyển khắp thế giới bằng cách theo dõi cách hình ảnh thay đổi từng khung hình. Điều này quan trọng vì nó cho phép robot, máy bay không người lái và thiết bị AR biết vị trí của chúng mà không cần GPS, chỉ sử dụng tầm nhìn.
Phép đo hình ảnh chủ yếu ước tính điều gì?
Phép đo hình ảnh trực quan theo dõi cách hình ảnh thay đổi giữa các khung hình để ước tính tư thế tương đối của máy ảnh, xâu chuỗi chúng thành một quỹ đạo.
'Trôi dạt' trong phép đo hình ảnh trực quan là gì?
Vì VO ước tính chuyển động tăng dần nên các lỗi nhỏ trong mỗi bước sẽ cộng dồn theo thời gian, khiến đường đi ước tính lệch khỏi đường đi thực.
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.
Phép đo hình quán tính trực quan cải thiện độ tin cậy như thế nào?
Việc kết hợp các ước tính chuyển động trực quan với các phép đo quán tính sẽ giúp ích trong các cảnh chuyển động nhanh, chuyển động mờ hoặc có kết cấu thấp mà chỉ có tầm nhìn mới gặp khó khăn.
Phép đo hình ảnh trực quan đơn giản khác với SLAM hình ảnh đầy đủ như thế nào?
VO thường là công cụ ước tính chuyển động mặt trước; SLAM bổ sung ánh xạ toàn cầu và đóng vòng lặp để điều chỉnh độ lệch tích lũy.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này