基于 MiDaS和Python 开始做深度估计

主要观点总结

本文介绍了使用MiDaS深度估计模型和MediaPipe姿势估计模块来估计物体与相机之间的距离。文章首先概述了计算机视觉中距离估计的挑战和背景，然后详细描述了使用MiDaS和MediaPipe进行距离估计的过程，包括模型下载、预处理、关键点检测、深度图提取和距离计算等步骤。文章还提到了使用指数移动平均滤波器来稳定深度值的方法，并提供了完整的代码示例。

关键观点总结

关键观点1: MiDaS深度估计模型

MiDaS是一种基于深度学习的残差模型，用于单目深度估计。它在从单个图像中进行深度估计方面取得了有希望的结果。

关键观点2: MediaPipe姿势估计模块

MediaPipe是一个用于构建多媒体处理的开源库，姿势估计模块可以检测图像或视频帧中的身体关键点。

关键观点3: 距离计算过程

通过使用MiDaS模型获取深度图，然后结合MediaPipe检测到的关键点，可以计算物体与相机之间的距离。

关键观点4: 指数移动平均滤波器

为了稳定深度值，文章使用了指数移动平均滤波器来平滑深度值的波动。

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 测量物体与相机之间的距离在计算机视觉领域中面临着重大挑战，原因包括2D图像中缺乏固有深度信息、透视失真、物体尺寸变化、相机校准要求以及在复杂场景中的遮挡。例如，通过透视投影进行的距离估计依赖于传感器尺寸、焦距和物体的实际高度等变量。这些未知变量的计算增加了任务的复杂性。 物体距离的公式 一系列基于传统方法和深度学习的方法已经在一段时间内提供了有效的距离估计解决方案。涉及立体视觉的解决方案已被证明在深度计算中是有效而准确的，然而始终在寻找更高效、更经济的替代方案。深度学习在这些限制中显示出色，将可能性的边界推向一个全新的水平，并实现了单目视觉深度估计模型的现实应用，本文将探讨其中的一种方法。 在 ………………………………