Vision stéréo et perception de la profondeur en vision par ordinateur et exemples-IA-php.cn

Dans le monde fascinant de l’intelligence artificielle et du traitement d’images, ces concepts jouent un rôle clé en permettant aux machines de percevoir le monde tridimensionnel qui nous entoure de la même manière que nos yeux. Rejoignez-nous pour explorer la technologie derrière la vision stéréo et la perception de la profondeur, révélant les secrets de la façon dont les ordinateurs comprennent la profondeur, la distance et l'espace à partir d'images 2D.

Vision stéréo et perception de la profondeur en vision par ordinateur et exemples

À quoi font exactement référence la vision stéréoscopique et la perception de la profondeur en vision par ordinateur ?

La vision stéréo et la perception de la profondeur sont des concepts importants dans le domaine de la vision par ordinateur, qui visent à imiter la capacité humaine à percevoir la profondeur et la structure tridimensionnelle à partir d'informations visuelles. Ces concepts sont souvent appliqués dans des domaines tels que la robotique, les voitures autonomes et la réalité augmentée.

Vision stéréoscopique

La vision stéréoscopique, également connue sous le nom de stéréopsie ou vision binoculaire, est une méthode de capture et d'analyse de deux objets légèrement éloignés l'un de l'autre. Technologie qui utilise les images d’une ou plusieurs caméras pour percevoir la profondeur d’une scène, imitant le fonctionnement de l’œil humain.

Le principe de base de la vision stéréoscopique est la triangulation. Lorsque deux caméras (ou « caméras stéréo ») capturent des images de la même scène depuis des points de vue légèrement différents, les paires d'images résultantes, appelées paires stéréo, contiennent la différence, ou la différence, dans les positions des points correspondants dans les deux images.

En analysant ces différences, les systèmes de vision par ordinateur peuvent calculer des informations de profondeur pour les objets de la scène. Les objets plus proches de la caméra auront des différences plus importantes, tandis que les objets plus éloignés de la caméra auront des différences plus petites.

Les algorithmes de vision stéréo incluent généralement des techniques telles que la correspondance de caractéristiques, la cartographie des disparités et la géométrie épipolaire, qui sont utilisées pour calculer une carte de profondeur ou une représentation 3D d'une scène

Perception de la profondeur

En vision par ordinateur, la perception de la profondeur fait référence à la capacité d'un système à extraire des informations à partir d'une seule La capacité à comprendre et à estimer la distance des objets dans une scène 3D à partir de plusieurs images ou images vidéo 2D

Les méthodes permettant d'obtenir une perception de la profondeur ne se limitent pas à la vision stéréoscopique, mais peuvent également prendre d'autres voies, notamment :

Indices monoculaires : ce sont les choses qui peuvent être faites avec un seul indice de profondeur perçu dans une caméra ou une image. Les exemples incluent la perspective, les dégradés de texture, les ombres et l'occlusion. Ces indices peuvent aider à estimer la profondeur même en l’absence de vision stéréoscopique.
LiDAR (Light Detection and Ranging) : les capteurs LiDAR utilisent des faisceaux laser pour mesurer la distance des objets dans une scène, fournissant des informations précises sur la profondeur sous forme de nuages de points. Ces informations peuvent être fusionnées avec des données visuelles pour une perception plus précise de la profondeur.
Lumière structurée : la lumière structurée consiste à projeter un motif connu sur une scène et à analyser la déformation de ce motif sur les objets de la scène. Cette déformation peut être utilisée pour calculer des informations de profondeur.
Caméra Time of Flight (ToF) : une caméra ToF mesure le temps nécessaire à la lumière pour se réfléchir sur un objet et revenir à la caméra. Ces informations sont utilisées pour estimer la profondeur.

Dans les applications de vision par ordinateur, la perception de la profondeur est cruciale pour des tâches telles que éviter les obstacles, identifier des objets, effectuer une reconstruction 3D et comprendre des scènes

Composants de vision stéréo et de perception de la profondeur dans la vision par ordinateur

Caméras stéréo : La vision stéréo repose sur deux ou plusieurs caméras (caméras stéréo) placées à une distance connue l'une de l'autre. Ces caméras capturent des images de la même scène sous des points de vue légèrement différents, simulant la façon dont l'œil humain perçoit la profondeur.
Capture d'image : la caméra capture des images ou des images vidéo de la scène. Ces images sont souvent appelées image de gauche (de la caméra de gauche) et image de droite (de la caméra de droite).
Calibrage : Afin de calculer avec précision les informations de profondeur, la caméra stéréo doit être calibrée. Ce processus implique la détermination des paramètres de la caméra tels que les matrices intrinsèques, les coefficients de distorsion et les paramètres extrinsèques (rotation et translation entre les caméras). L'étalonnage garantit que les images des deux caméras sont corrigées et correspondent correctement.
Correction : La correction est une transformation géométrique appliquée à l'image capturée pour aligner les caractéristiques correspondantes sur les lignes épipolaires. Cela simplifie le processus de correspondance stéréo en rendant les différences plus prévisibles.
Correspondance stéréo : la correspondance stéréo est le processus de recherche de points correspondants ou de points de correspondance entre l'image de gauche et l'image de droite. La valeur de pixel utilisée pour calculer la différence pour chaque pixel est appelée disparité et représente le décalage horizontal de la caractéristique dans l'image. Il existe différents algorithmes de correspondance stéréo, notamment la correspondance de blocs, la correspondance semi-globale et les coupes de graphiques, pour trouver ces points correspondants.

Carte de différence : une carte de différence est une image en niveaux de gris dans laquelle la valeur d'intensité de chaque pixel correspond à la différence ou à la profondeur à ce point de la scène. Les objets plus proches de la caméra présentent des différences plus importantes, tandis que les objets plus éloignés de la caméra présentent des différences plus faibles.
Carte de profondeur : la carte de profondeur est dérivée de la carte de différence en utilisant une ligne de base connue (distance entre les caméras) et la distance focale de la caméra. Il calcule la profondeur en unités du monde réel (par exemple en mètres) pour chaque pixel, pas la différence.
Visualisation : les cartes de profondeur et de différence sont souvent visualisées pour fournir une représentation lisible par l'homme de la structure 3D d'une scène. Ces tracés peuvent être affichés sous forme d'images en niveaux de gris ou convertis en nuages de points pour une visualisation 3D.
Certains matériels : en plus des caméras, vous pouvez également utiliser du matériel spécialisé tel que des caméras de détection de profondeur (telles que Microsoft Kinect, Intel RealSense) ou des capteurs LiDAR (Light Detection and Ranging) pour obtenir des informations sur la profondeur. Ces capteurs fournissent directement la profondeur sans nécessiter de correspondance stéréo.

Vision stéréo et perception de la profondeur dans la vision par ordinateur Exemple d'implémentation Python :

import cv2import numpy as np# Create two video capture objects for left and right cameras (adjust device IDs as needed)left_camera = cv2.VideoCapture(0)right_camera = cv2.VideoCapture(1)# Set camera resolution (adjust as needed)width = 640height = 480left_camera.set(cv2.CAP_PROP_FRAME_WIDTH, width)left_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, height)right_camera.set(cv2.CAP_PROP_FRAME_WIDTH, width)right_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, height)# Load stereo calibration data (you need to calibrate your stereo camera setup first)stereo_calibration_file = ‘stereo_calibration.yml’calibration_data = cv2.FileStorage(stereo_calibration_file, cv2.FILE_STORAGE_READ)if not calibration_data.isOpened():print(“Calibration file not found.”)exit()camera_matrix_left = calibration_data.getNode(‘cameraMatrixLeft’).mat()camera_matrix_right = calibration_data.getNode(‘cameraMatrixRight’).mat()distortion_coeff_left = calibration_data.getNode(‘distCoeffsLeft’).mat()distortion_coeff_right = calibration_data.getNode(‘distCoeffsRight’).mat()R = calibration_data.getNode(‘R’).mat()T = calibration_data.getNode(‘T’).mat()calibration_data.release()# Create stereo rectification mapsR1, R2, P1, P2, Q, _, _ = cv2.stereoRectify(camera_matrix_left, distortion_coeff_left,camera_matrix_right, distortion_coeff_right,(width, height), R, T)left_map1, left_map2 = cv2.initUndistortRectifyMap(camera_matrix_left, distortion_coeff_left, R1, P1, (width, height), cv2.CV_32FC1)right_map1, right_map2 = cv2.initUndistortRectifyMap(camera_matrix_right, distortion_coeff_right, R2, P2, (width, height), cv2.CV_32FC1)while True:# Capture frames from left and right camerasret1, left_frame = left_camera.read()ret2, right_frame = right_camera.read()if not ret1 or not ret2:print(“Failed to capture frames.”)break# Undistort and rectify framesleft_frame_rectified = cv2.remap(left_frame, left_map1, left_map2, interpolation=cv2.INTER_LINEAR)right_frame_rectified = cv2.remap(right_frame, right_map1, right_map2, interpolation=cv2.INTER_LINEAR)# Convert frames to grayscaleleft_gray = cv2.cvtColor(left_frame_rectified, cv2.COLOR_BGR2GRAY)right_gray = cv2.cvtColor(right_frame_rectified, cv2.COLOR_BGR2GRAY)# Perform stereo matching to calculate depth map (adjust parameters as needed)stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15)disparity = stereo.compute(left_gray, right_gray)# Normalize the disparity map for visualizationdisparity_normalized = cv2.normalize(disparity, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)# Display the disparity mapcv2.imshow(‘Disparity Map’, disparity_normalized)if cv2.waitKey(1) & 0xFF == ord(‘q’):break# Release resourcesleft_camera.release()right_camera.release()cv2.destroyAllWindows()

Copier après la connexion

Remarque : Pour la configuration de la caméra stéréo, l'étalonnage de la caméra est requis et les données d'étalonnage sont enregistrées dans un fichier .yml, indiquez le chemin dans l'exemple de code. .

App

utilise des informations de profondeur pour la détection et le suivi des cibles afin d'obtenir un positionnement et une identification plus précis. L'utilisation d'informations approfondies pour les applications de réalité virtuelle et de réalité augmentée permet aux utilisateurs d'interagir de manière plus réaliste avec les environnements virtuels. Utilisez les informations de profondeur pour la reconnaissance faciale et l’analyse des expressions afin d’améliorer la précision et la robustesse de la reconnaissance faciale. Utilisez les informations de profondeur pour la reconstruction et la modélisation 3D afin de générer des scènes 3D réalistes. Utilisez les informations de profondeur pour l’estimation de la posture et l’analyse du comportement afin d’obtenir une reconnaissance des actions et une compréhension du comportement plus précises. Utiliser des informations approfondies pour la conduite autonome et la navigation des robots afin d'améliorer la sécurité et l'efficacité dans le domaine du transport intelligent et de l'automatisation réalité

Reconnaissance gestuelle

Limites
Voici quelques limitations importantes :
Dépendance à l'étalonnage des caméras : Les systèmes de vision stéréo nécessitent un étalonnage précis des caméras utilisées. Un étalonnage précis est essentiel pour garantir un calcul correct des informations de profondeur. Toute erreur d'étalonnage peut conduire à une perception de profondeur inexacte.
Champ de vision limité : les systèmes de vision stéréoscopique ont un champ de vision limité, basé sur la distance de base entre les deux caméras. Cela peut entraîner des angles morts ou des difficultés à percevoir les objets en dehors du champ de vision des deux caméras.

Surfaces sans texture ni caractéristiques : les algorithmes de correspondance stéréo reposent sur la recherche de caractéristiques correspondantes dans les images de gauche et de droite. Les surfaces dépourvues de texture ou de caractéristiques uniques, telles que des murs lisses ou des arrière-plans uniformes, peuvent être difficiles à faire correspondre avec précision, ce qui entraîne des erreurs d'estimation de la profondeur.

Occlusion : les objets qui s'occultent dans la scène peuvent entraîner des difficultés de vision stéréoscopique. Lorsqu'un objet bloque partiellement un autre objet, déterminer la profondeur de la zone obstruée peut s'avérer problématique.

Portée et résolution limitées : la précision de la perception de la profondeur en utilisant la vision stéréo diminue à mesure que la distance par rapport à la caméra augmente. De plus, la résolution des mesures de profondeur diminue avec la distance, ce qui rend les détails des objets distants difficiles à percevoir.

Ressources informatiques : les algorithmes de correspondance stéréo peuvent nécessiter des ressources informatiques étendues, en particulier lors du traitement d'images haute résolution ou de flux vidéo en temps réel. Les applications en temps réel peuvent nécessiter un matériel puissant pour un traitement efficace.
Coût et complexité : la mise en place d'un système de vision stéréo avec des caméras calibrées peut être coûteuse et prendre du temps. Les exigences matérielles, notamment les caméras et les équipements d'étalonnage, peuvent constituer un obstacle pour certaines applications.
Inexactitudes avec des objets transparents ou réfléchissants : les surfaces transparentes ou hautement réfléchissantes peuvent provoquer des erreurs de vision stéréoscopique car ces matériaux peuvent ne pas refléter la lumière d'une manière adaptée à la perception de la profondeur.
Scènes dynamiques : la vision stéréo suppose que la scène est statique lors de la capture de l'image. Dans les scènes dynamiques avec des objets en mouvement ou des mouvements de caméra, il peut être difficile de maintenir la correspondance entre les images gauche et droite, ce qui conduit à une estimation inexacte de la profondeur.
Utilisation limitée en extérieur : les systèmes de vision stéréo peuvent avoir des difficultés dans les environnements extérieurs exposés à la lumière du soleil ou dans des scènes manquant de texture, comme un ciel clair.
En résumé, la vision stéréoscopique et la perception de la profondeur en vision par ordinateur ouvrent de nouvelles possibilités aux machines pour interagir avec et comprendre la richesse tridimensionnelle de notre environnement. Comme nous l'expliquons dans cet article, ces technologies sont au cœur de diverses applications, notamment dans des domaines tels que la robotique et les véhicules autonomes, la réalité augmentée et l'imagerie médicale

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!