Как я могу определить расстояние от объекта в видео?

Две камеры, так что вы можете обнаружить параллакс. Это то, что делают люди.

Редактировать

Пожалуйста, смотрите ответ Ravenspoint для более подробной информации. Кроме того, имейте в виду, что единственная камера с разветвителем, вероятно, хватило бы.

Кто-то, пожалуйста, исправьте меня, если я ошибаюсь, но мне кажется, что если вы собираетесь просто использовать одну камеру и просто полагаться на программное решение, любая обработка, которую вы могли бы сделать будет склонен к ложным позитикам. Я очень сомневаюсь, что есть какая-либо обработка, которая может сказать разницу между объектами, которые действительно находятся на предполагаемом расстоянии, и те, которые могут быть только на этом расстоянии (например, «принудительная перспектива») в кино.

Любой шанс, что вы могли бы добавить ультразвуковой датчик?

Положить и объект известного размера в камеры поля зрения. Таким образом, вы можете иметь более объективную метрику для измерения угловых расстояний. Без второй точки зрения / камеры вы будете ограничены оценкой размера / расстояния, но, по крайней мере, это не будет полным догадыванием.

Используйте карты стереосистемы. Многие реализации на плаву, вот некоторые ссылки: http://homepages.inf.ed.ac.uk/rbf/cvonline/local_copies/owens/Lect11/node4.html

http://www.ece.ecsb.edu/~manj/ece181bs04/ L14 (Morestereo) .pdf

В вашем случае у вас нет стерео камеры, но глубина может быть оценена с помощью видео http://www.springerlink.com/content/g0n11713444148L2/

Я думаю, что вышеизложенное будет тем, что может помочь вам больше всего.

исследования прогрессировали до сих пор, что глубину можно оценить (хотя не до удовлетворительного расширения) из одного монокулярного изображения http://www.c.cs.cornell.edu/~asaxena/learningDepth/

Вам необходимо определить те же точки в том же объекте на двух разных рамах, принятых известный расстояние друг от друга. Поскольку вы знаете местоположение камеры в каждом кадре, у вас есть базовая линия (вектор между двумя позициями камеры. Построить треугольник из известной базовой линии и углов к идентифицированным точкам. Тригонометрия дает вам длину неизвестных сторон Трехгики для известной длины базовой линии и известных углов между базовой линией и неизвестными сторонами.

Вы можете использовать две камеры или одну камеру, принимающую последовательные снимки. Итак, если ваш автомобиль перемещается на 1 м / с и Вы принимаете деньги каждую секунду, а затем рамы для участия в 1-м базовом уровне, которые должны быть хорошими, чтобы измерить расстояние до предметов, скажем, 5 м. Если вам нужно регулировать объекты дальше, чем рамы, которые использовались в дальнейшем - Однако более отдаленные объекты будут ввиду дольше.

Наблюдатель при F1 видит цель при t с углом A1 до скорости вектора. Наблюдатель перемещает расстояние b до f2. Видит цель на T с углом A2.

Требуется для поиска R1. , варьируются от цели на F1

тригономета Личность RIC для Cosine дает

COS (90 - A1) = X / R1 = C1

Cos (90 - A2) = X / R2 = C2

COS (A1) = (B + Z) / R1 = C3

COS (A2) = Z / R2 = C4

x - расстояние до цели, ортогонального вектора скорости наблюдателя

Z - расстояние от F2 до пересечения с помощью X

для R1

R1 = B / (C3 - C1. C4 / C2)

Ваша проблема вполне стандартна в данной области.

Во-первых,

вам нужно откалибровать камеру. Это можно сделать в автономном режиме (значительно упрощает жизнь ) или в режиме онлайн посредством самокалибровки.

Откалибруйте офлайн - пожалуйста.

Во-вторых,

После того, как у вас есть калибровочная матрица камеры K , определите матрицу проекции камеры в последующей сцене (вам необходимо использовать параллакс, как упоминалось другими). Это хорошо описано в этом руководстве по OpenCV .

Вам нужно будет использовать информацию GPS, чтобы найти относительную ориентацию между камерами в последовательных сценах (что может быть проблематично из-за шума, присущего большинству устройств GPS), то есть R и t , упомянутые в руководстве, или вращение и перемещение между двумя камерами.

Как только вы решите все это, у вас будут две матрицы проекции - представления камер в этих последовательных сценах. Используя одну из этих так называемых матриц камеры, вы можете «спроецировать» трехмерную точку M на сцену на двумерное изображение камеры на пиксельную координату m (как в руководство).

Мы будем использовать это для триангуляции реальной трехмерной точки из двухмерных точек, найденных в вашем видео.

В-третьих,

используйте детектор точки интереса, чтобы отслеживать ту же точку в вашем видео, которая находится на интересующем объекте. Есть несколько доступных детекторов, я рекомендую SURF , так как у вас есть OpenCV, который также имеет несколько других детекторов, таких как Shi-Tomasi corners , Harris , и т. Д. .

В-четвертых,

После того, как вы отследили точки вашего объекта в последовательности и получили соответствующие 2D-пиксельные координаты, вы должны выполнить триангуляцию для наилучшего соответствия 3D-точки с учетом вашей матрицы проекции и 2D-точек.

На изображении выше хорошо показана неопределенность и то, как вычисляется наиболее подходящая трехмерная точка. Конечно, в вашем случае камеры, вероятно, находятся напротив друг друга!

Наконец,

После того, как вы получили трехмерные точки на объекте, вы можете легко вычислить евклидово расстояние между центром камеры (которое в большинстве случаев является началом координат).и суть.

Примечание

Это, очевидно, непростая задача, но и не такая уж и сложная. Я рекомендую отличную книгу Хартли и Зиссермана Multiple View Geometry , в которой все вышеперечисленное подробно описано с помощью кода MATLAB для загрузки.

Получайте удовольствие и продолжайте задавать вопросы!