Определения расстояния до объекта с использованием технического зрения

Аннотация

Целью данной статьи является оценка эффективности и точности использования комплексного подхода для определения расстояния до объектов, основанного на модели камеры и применении библиотек машинного обучения, в контексте систем помощи водителю (ADAS) и автономного вождения. В работе рассматривается, как параметры модели камеры (разрешение сенсора, фокусное расстояние, угол обзора и характеристики диафрагмы) влияют на качество входных данных для алгоритмов, реализованных через библиотеки машинного обучения и, как следствие, на общую точность оценки расстояния. Особое внимание уделяется практическому применению современных алгоритмов машинного обучения, в том числе глубоких нейронных сетей, для решения задачи монокулярной оценки глубины по одному изображению. Исследование предполагает выявить потенциальную зависимость точности определения расстояния от дистанции до объекта. В частности, будет проанализировано, как увеличение дистанции может привести к непропорциональному росту погрешности в оценке, что позволит определить возможные ограничения текущих реализаций алгоритмов машинного обучения при работе с удаленными объектами. Будут рассмотрены факторы, способствующие снижению точности измерений на больших расстояниях, такие как усиление искажений в процессе захвата и обработки изображений, а также вопросы адаптации алгоритмов к особенностям данных от удаленных объектов.