如何使用计算机视觉模型计算距离？

计算机视觉中的距离计算概述

计算机视觉中的距离计算包括检测、定位和测量图像中两个物体之间的像素。像素是构成数字图像的独立单元，每个像素代表一个具有特定颜色或强度值的点。 

要将像素测量值转换为真实世界的距离，校准是关键。你可以把它想象成用一把尺子测量某个物体，然后通过测量结果来了解其他物体的大小。通过参考已知尺寸的物体，校准可以在像素和实际物理距离之间建立联系。

让我们来看一个例子，看看它是如何工作的。在下图中，硬币是参考物体，它的大小（0.9 英寸 x 1.0 英寸）是已知的。通过将其他物体的像素测量值与硬币的大小进行比较，我们可以计算出它们在现实世界中的大小。

‍

不过，距离计算是在二维（2D）平面内进行的，也就是说，它只能测量物体之间的水平和垂直距离。这与深度估算不同，深度估算测量的是三维空间中物体的距离，包括它们与摄像头的距离。

虽然深度摄像头可以测量真实深度并提供更详细的空间信息，但在很多情况下，简单的校准距离就足够了。例如，在跟踪物体或管理队列等任务中，了解物体在二维平面上的距离就非常有效，因此在这些情况下不需要深度估计。

了解如何使用YOLO11 计算距离

接下来，让我们来了解一下如何使用YOLO11的物体检测和跟踪支持来计算两个物体之间的距离。下面是详细说明：

• 检测和跟踪物体 YOLO11 可通过识别视频帧中的物体并跟踪其跨帧移动来检测物体。它为每个物体分配一个唯一的轨迹 ID，使系统能够监控整个视频中物体的位置和移动。
  ‍
• 边界框：
  ‍
• 选择对象：可选择两个对象作为焦点，YOLO11 会随着对象的移动实时更新边界框。
  ‍
• 中心点计算：
  ‍
• 距离计算：然后可以利用两个物体的中心点来计算它们之间的欧氏距离。欧氏距离是二维平面上两点之间的直线距离，利用水平和垂直方向的差值计算得出。这样就得出了两个物体之间的像素距离。

重要的是要记住，使用这种方法计算出的距离只是估计值，因为它们是基于二维像素测量的。

‍

YOLO 距离估计的影响

考虑到使用YOLO11 计算距离是一种估算，您可能会有疑问：它可以用在哪些地方？ 

由于这些距离估计是通过校准得出的，因此其精确度足以在许多实际情况下提供帮助。YOLO11的距离估算功能在动态环境中尤其有用，例如仓库，在这种环境中，物体不断运动，需要进行实时调整，以保持平稳运行。

一个有趣的例子是使用YOLO11 跟踪传送带上的包裹，并实时估算它们之间的距离。这可以帮助仓库管理人员确保包裹间距适当，防止碰撞，保持平稳运行。 

在这种情况下，并不总是需要精确的距离。通常情况下，最佳距离的范围或阈值是设定好的，因此估计值在这类应用中非常有效。

‍

计算机视觉应用中的距离计算

使用YOLO11 计算物体之间的距离可以使各种计算机视觉应用受益。例如，在零售分析中，它可以通过实时跟踪客户位置来帮助改善排队管理。这样，商家就可以更好地分配资源，减少等待时间，创造更顺畅的购物体验。通过动态调整人员配备水平和管理顾客流量，商店可以防止过度拥挤并优化空间使用。

同样，在交通管理中，距离估算有助于监控车辆间距和分析交通模式。这可用于检测危险行为，如追尾，并调整交通信号以保持交通顺畅。通过实时识别潜在问题并改善整体交通管理，它可以帮助提高道路的安全性。

‍

这项技术的另一个独特用途出现在COVID-19 大流行期间，当时它帮助促进了社会隔离。它确保人们在公共场所、商店和医院保持安全距离，降低了传播病毒的风险。 

通过实时跟踪距离，可以在个人距离太近时发出警报，使企业和医疗服务提供者更容易做出快速反应，为每个人营造更安全的环境。

计算机视觉中距离计算的利弊

既然我们已经讨论了利用计算机视觉进行距离计算的一些应用，下面就来看看这样做的相关好处：

• 自动化：
  ‍
• 资源优化：
  ‍
• 最小化设置复杂性：与其他依赖人工输入或复杂机械的系统相比，具备视觉功能的距离计算系统一旦安装完毕，维护成本相对较低，需要的人工干预也更少。

尽管有这些优点，但在实施此类系统时也要注意一些局限性。下面简要介绍一下使用计算机视觉进行距离计算时需要考虑的关键因素：

• 对环境因素的敏感性：距离计算的准确性可能会受到照明条件、阴影、反射或障碍物的影响，从而导致潜在的错误或不一致。
  ‍
• 隐私问题:使用计算机视觉技术跟踪物体或人员可能会引发隐私问题，尤其是在可能涉及个人数据的公共空间或敏感环境中。
  ‍
• 多目标场景的复杂性：在有大量移动物体的环境中，同时精确计算多个物体之间的距离可能会导致混乱，特别是当这些物体靠近或相交时。

主要收获

使用YOLO11 计算物体之间的距离是一种可靠的解决方案，可为决策提供支持。它在仓库、零售和交通管理等动态环境中尤为有用，在这些环境中，跟踪物体间的距离可以提高效率和安全性。 

YOLO11 可以将通常需要人工完成的任务自动化。虽然存在一些挑战，如对环境因素的敏感性和隐私问题，但自动化、可扩展性和易于集成等优势使其具有影响力。随着计算机视觉技术的不断进步，特别是在距离计算等领域，我们很可能会看到机器与周围环境的互动和理解方式发生真正的转变。

加入我们的社区！探索我们的GitHub 存储库，了解有关视觉人工智能的更多信息。如果您对利用计算机视觉感兴趣，请查看我们的许可选项。访问我们的解决方案页面，了解计算机视觉如何在医疗保健领域提高效率，并了解人工智能在农业领域的影响！