Детальная информация

Цель работы – анализ и сравнение нейросетевых методов оценки расстояния. В результате исследования был проведен анализ и сравнение современных методов оценки расстояния и их точность. В результате работы были определены особенности применения рассмотренных нейросетевых моделей к задаче оценки расстояния от камеры до объекта. Показано, что методы, формирующие метрическую карту глубины, могут использоваться для оценки расстояния в абсолютных единицах, тогда как методы относительной глубины требуют дополнительного масштабирования или калибровки. Полученные результаты могут быть использованы при выборе нейросетевого метода для задач определения расстояния по одному изображению. Использовались открытые образовательные интернет ресурсы и программы поиска и анализа информации. использовались следующие информационные технологии и программное обеспечение: язык программирования Python, библиотеки PyTorch, OpenCV, NumPy и Matplotlib, среда выполнения Google Colab.

As a result of the study, an analysis and comparison of modern methods for distance estimation and their accuracy were carried out. The work identified the features of applying the considered neural network models to the task of estimating the distance from a camera to an object. It was shown that methods producing a metric depth map can be used to estimate distance in absolute units, while relative depth methods require additional scaling or calibration. The obtained results can be used when selecting a neural network method for distance estimation from a single image. Open educational internet resources and search engines were used during the work. The following information technologies and software were also used: the Python programming language, PyTorch, OpenCV, NumPy and Matplotlib libraries, and the Google Colab execution environment.