Met geavanceerde beeldherkenning is het mogelijk om vrijwel alle objecten te herkennen, analyseren en classificeren, én om deze objecten te volgen. Er wordt in dit kader ook wel gesproken over Computer Vision. In dit artikel vergelijken we 2D Computer Vision met 3D Computer Vision.
Computer Vision heeft al doel om systemen beelden te laten begrijpen, oftewel te analyseren en te interpreteren. De systemen nemen vervolgens zelfstandig beslissingen op basis van de geïnterpreteerde beelden. Computer Vision gaat dus een stuk verder dan het enkel registreren van beelden. Dankzij Computer Vision kunnen taken die ons visuele systeem normaal gesproken uitvoert, ook uitgevoerd worden door een kunstmatig, digitaal systeem.
Detectie van mensen, dieren, objecten en voertuigen; er zijn enorm veel toepassingen denkbaar voor Computer Vision. We kunnen bijvoorbeeld alarmcentrales waarschuwen wanneer er personen of voertuigen op afgesloten terreinen worden gedetecteerd. Ook kunnen we mensen tellen, registreren waar ze zich heen bewegen en of het te druk wordt in een bepaald gebied. Of neem zorgtoepassingen als valdetectie en zonebewaking.
Tekst gaat verder onder de afbeelding.
Al bovenstaande toepassingen werken met 2D Computer Vision-systemen. Deze systemen werken perfect in een breed scala van toepassingen. Met andere woorden: er is dus niets mis mee. Er zijn ook van scenario’s te bedenken waarin de praktische beperkingen van 2D blijken. In die gevallen kan 3D Computer Vision uitkomt bieden.
Computer Vision werkt door een doelobject lokaliseren en vervolgens het beeld daarvan te vergelijken (en te matchen) met een vooraf gedefinieerd patroon. In het geval van een 2D Computer Vision-systeem is het beeld van het doelobject een platte, tweedimensionale weergave. De 2D-afbeelding biedt geen hoogte-informatie. Denk maar aan grid, waarbij er wel X- en Y-gegevens beschikbaar zijn, maar geen Z-gegevens om de diepte mee aan te duiden.
Een 2D-systeem ziet eigenlijk slechts de contouren van een 3D-object, bekeken vanuit een specifiek oogpunt. En dat is soms problematisch, omdat verschillende objecten vanuit verschillende gezichtspunten totaal verschillende contouren opleveren. Zodoende is 2D Computer Vision bijvoorbeeld niet goed toepasbaar bij toepassingen waar informatie over de vorm van cruciaal belang is voor het uitvoeren van een taak.
Het gebrek aan informatie over de diepte en daarmee informatie over de gehele vorm heeft gelukkig amper gevolgen voor veel redelijk eenvoudige toepassingen. Denk maar eens aan kentekenherkenning, objecttracking en het lezen van barcodes. Dat neemt echter niet weg dat 2D Computer Vision dus een aantal nadelen kent.
Bij 2D-systemen wordt het beeld van het doelobject afgeleid aan de hand van variaties in gereflecteerde lichtintensiteit van het oppervlak van het doelobject. Het gaat dus om contrasten. En dat betekent dat variaties in verlichting, zoals kunstlicht, een negatief effect kunnen hebben op de nauwkeurigheid. Te veel licht, te weinig licht of schaduwen kunnen de contouren negatief beïnvloeden. En omdat 2D Computer Vision afhankelijk is van duidelijke contouren (oftewel duidelijke contrasten) heeft het systeem ook moeite met zeer donkere of zeer glanzende doelobjecten.
Het tweede nadeel van 2D Computer Vision heeft te maken met het feit dat diepte-informatie (informatie over het Z-vlak) ontbreekt. Als een object beweegt in het Z-vlak dan treden er mogelijk fouten op. En helaas blijven lang niet alle doelobjecten netjes stilstaan op een perfect vlak oppervlak op een precieze afstand van de sensor.
In een 3D Computer Vision-systeem is het beeld van het doelobject niet langer enkel plat. Het systeem vormt een driedimensionale puntenwolk met de precieze coördinaten van elke pixel in de ruimte. Het systeem biedt dus tegelijkertijd gegevens over X, Y en Z, tezamen met informatie over de rotatie van het doelobject rond elk van de assen. Omdat gegevens over de derde dimensie vast worden gelegd, hebben de eerder genoemde factoren (licht, contrast en afstand) geen negatieve invloed op 3D Computer Vision-systemen.
Met andere woorden: door gebruik te maken van 3D Computer Vision beschikken we over een zeer nauwkeurig driedimensionaal model van een doelobject. We kennen de precieze locatie van het doelobject in de ruimte, het exacte volume, de oppervlakte, de hoeken en allerlei andere kenmerken – ongeacht de omgevingsomstandigheden en het materiaal of de kleur van het object.
Neem voor meer informatie over verschillende Computer Vision-oplossingen gerust contact met ons op. We kunnen je bijvoorbeeld helpen met allerlei oplossingen op het gebied van kentekenherkenning, zoals doorrijderpreventie en parkeerbeheer.
Meer lezen over dit onderwerp?
Misschien vind je deze artikelen ook interessant:
FAQ over Artificial Intelligence (AI)
Machine learning, neurale netwerken en deep learning uitgelegd
Het slimme apparaten ABC
Is het Internet of Things hetzelfde als AI?
