💻 computer science

R-C-P Method: An Autonomous Volume Calculation Method Using Image Processing and Machine Vision

تقدم هذه الورقة طريقة (R-C-P)، وهي تقنية مستقلة لحساب الحجم تستخدم معالجة الصور وكشف الحواف باستخدام كاميرات ثنائية الأبعاد متعددة لتحديد الأبعاد ومساحات الأسطح للأجسام في الوقت الفعلي كبديل منخفض التكلفة لمستشعرات العمق ثلاثية الأبعاد مثل ليدار (LiDAR).

المؤلفون الأصليون: MA Muktadir, Sydney Parker, Sun Yi

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: MA Muktadir, Sydney Parker, Sun Yi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تخمين حجم صندوق موضوع على طاولة، لكن ليس لديك شريط قياس، ولا يمكنك لمسه. عادةً، للحصول على الحجم الدقيق لجسم ثلاثي الأبعاد، ستحتاج إلى "ماسح ضوئي ثلاثي الأبعاد" باهظ الثمن ومتطور (مثل ليزر عالي التقنية أو كاميرا استشعار للعمق) يعمل كعين فائقة الدقة. لكن هذه الماسحات تكون ثقيلة، وتستهلك الكثير من طاقة البطارية، ويصعب وضعها في الأماكن الضيقة.

تقدم هذه الورقة البحثية حيلة ذكية ومنخفضة التكلفة تسمى طريقة R-C-P (الصف-العمود-البكسل). فكر في الأمر كاستخدام كاميرتين عاديتين ورخيصتين ثنائيتي الأبعاد (مثل الكاميرات الموجودة في هاتفك) لـ "تخمين" حجم صندوق عبر النظر إليه من جانبين، بدلاً من استخدام ماسح ضوئي ثلاثي الأبعاد باهظ الثمن.

إليك كيف تعمل هذه الطريقة، مقسمة إلى خطوات بسيطة:

1. الإعداد: عينان وصندوق واحد

قام الباحثون بوضع كاميرتين على جانبين متقابلين من صندوق مستطيل. وبدلاً من محاولة رؤية "العمق" (مدى امتداد الصندوق للخلف) بشكل مباشر، يقومون فقط بالتقاط صورة مسطحة لوجه الصندوق من كل جانب.

2. تحويل الصورة إلى لعبة "توصيل النقاط"

بمجرد أن تلتقط الكاميرات الصورة، تقوم الحاسوب ببعض عمليات معالجة الصور السحرية:

التدرج الرمادي: يحول الصورة الملونة إلى صورة بالأبيض والأسود.
كشف الحواف: يبرز مخطط الصندوق، محولاً الصورة إلى رسم تخطيطي حيث تكون الحواف خطوطاً بيضاء والداخل أسود.
خدعة "الملء" (جزء R-C-P): هذا هو الجزء الأكثر إبداعاً. أحياناً، تفقد الكاميرا جزءاً صغيراً من الحافة بسبب ظل أو خلل ما. تعمل طريقة R-C-P كأنها لعبة "توصيل نقاط" ذكية.
- تنظر الطريقة إلى كل صف من البكسلات. إذا رأت نقطة بيضاء على اليسار ونقطة بيضاء على اليمين، فإنها تفترض أن المساحة بينهما هي جزء من الصندوق وتقوم بملئها باللون الأبيض.
- تفعل الشيء نفسه لكل عمود (من الأعلى إلى الأسفل).
- النتيجة: حتى لو كان المخطط مكسوراً أو غير منتظم، يقوم الحاسوب بـ "ملء الفجوات" لإنشاء مستطيل أبيض صلب ومثالي. وهذا يمنحهم شكلاً نظيفاً للقياس.

3. من البكسلات إلى الواقع الحقيقي

الآن يعرف الحاسوب عدد البكسلات البيضاء التي تشكل وجه الصندوق. لكن البكسلات ليست بوصات أو سنتيمترات.

استنتج الباحثون "معدل تحويل": فهم يعرفون أن عدداً معيناً من البكسلات يعادل طولاً معيناً بالملليمتر (حوالي 0.264 ملم لكل وحدة بكسل في إعداداتهم).
من خلال عد البكسلات والضرب في هذا المعدل، يمكنهم حساب عرض وارتفاع الصندوق كما تراه الكاميرا.

4. مشكلة "المسافة"

هنا تكمن العقبة: إذا حركت الصندوق ليصبح أقرب إلى الكاميرا، فإنه يبدو أكبر. وإذا حركته بعيداً، فإنه يبدو أصغر. لذا فإن عدد البكسلات الخام يتغير بناءً على المسافة.

لإصلاح ذلك، أجرى الباحثون تجارب عديدة بتحريك الصندوق ليكون أقرب وأبعد.
أنشأوا مجموعة من الصيغ الرياضية (المعادلات) التي تعمل كمترجم. إذا أخبرت الحاسوب: "الصندوق يبعد 500 ملم"، تقوم الصيغة تلقائياً بتعديل عدد البكسلات لتخبرك بالحجم الحقيقي للجسم، بغض النظر عن مدى بعده.

5. الحساب النهائي

باستخدام كاميرتين، يحصلون على العرض من جانب واحد، والارتفاع من الجانب الآخر. ثم يضعون هذه الأرقام في صيغة الحجم (العرض × الارتفاع × العمق) لتقدير الحجم الإجمالي للصندوق.

ماذا وجدوا؟

الطريقة تعمل: نجحت الطريقة في حساب حجم الصناديق المستطيلة باستخدام كاميرتين عاديتين فقط.
إنها مرنة: حتى لو لم تستطع الكاميرا رؤية الحافة بشكل مثالي (بسبب بقعة ضبابية أو فجوة)، فإن خدعة "الملء" قامت بإصلاح الشكل بحيث استمرت عملية الحساب في العمل.
الدقة: كانت النتائج جيدة جداً، حيث كانت عادةً ضمن هامش خطأ يتراوح بين 4% إلى 10% للعرض، ونسبة أعلى قليلاً للارتفاع. كانت الأخطاء أكبر قليلاً عندما يكون الجسم قريباً جداً من الكاميرا، لكن الرياضيات ساعدت في تصحيح معظم ذلك.

الخلا الخلاصة

تزعم الورقة البحثية أنك لست بحاجة إلى مستشعر عمق ثلاثي الأبعاد بقيمة 1000 دولار لقياس حجم جسم مستطيل. فمن خلال استخدام كاميرتين رخيصتين، وقليل من الرؤية الحاسوبية لـ "ملء الفجوات"، وبعض الرياضيات لمراعاة المسافة، يمكنك الحصول على تقدير دقيق بشكل مدهش لحجم الجسم في الوقت الفعلي. وهذا مفيد بشكل خاص للروبوتات أو الأنظمة حيث يكون توفير المال والمساحة وطاقة البطارية أكثر أهمية من الحصول على قياسات دقيقة تماماً بالملليمتر.

ملخص تقني: طريقة R-C-P لحساب الحجم ذاتياً

بيان المشكلة
بينما تُعد مستشعرات العمق ثلاثية الأبعاد (مثل LiDAR وRadar) فعالة في الوعي بالمحيط للأنظمة ذاتية القيادة، إلا أنها تفرض عيوباً كبيرة، تشمل استهلاكاً عالياً للطاقة، وأحجاماً ضخمة من البيانات، وكابلات معقدة، ومتطلبات ميكانيكية وحرارية صارمة. هذه العوامل تجعلها غير مناسبة لبيئات تشغيلية معينة، مثل الفضاء. وفي المقابل، توفر الكاميرات ثنائية الأبعاد (2D) بديلاً منخفض التكلفة، ومنخفض استهلاك الطاقة، وموفر للمساحة. ومع ذلك، تفتقر الكاميرات ثنائية الأبعاد بطبيعتها إلى معلومات العمق، مما يجعل تقدير الحجم في الوقت الفلي يمثل تحدياً دون معرفة مسبقة بوضعية الكاميرا أو فئات الأجسام. وتتطلب الطرق الحالية غالباً زوايا رؤية متعددة (خمس زوايا كحد أدنى)، أو معدات مسح ثلاثية الأبعاد معقدة، أو أنماط نسيج محددة، وهي أمور قد لا تكون مجدية في جميع السيناريوهات.

المنهجية
تقترح الدراسة طريقة الصف-العمود-البكسل (R-C-P)، وهي تقنية لحساب الحجم ذاتياً باستخدام كاميرتين ثنائيتين (2D) ثابتتين موضوعتين على جانبين متقابلين لجسم مستطيل. تتضمن العملية الخطوات التالية:

الاستحواذ على الصور والمعالجة المسبقة: تلتقط الكاميرتان صوراً ملونة (RGB) لأسطح الجسم. يتم تحويل هذه الصور إلى تدرج الرمادي ثم معالجتها باستخدام كاشف حواف كاني (Canny Edge Detection) لتحديد حدود الجسم.
خوارزمية R-C-P:
- الخطوة 1 (اتجاه الصف): تقوم الخوارزمية بمسح كل صف في صورة الحواف الثنائية. إذا تم اكتشاف بكسل أبيض (حافة)، تبحث الخوارزمية عن بكسل أبيض موازٍ في نفس الصف. إذا وُجد، يتم تحويل جميع البكسلات السوداء بين هاتين النقطتين إلى اللون الأبيض، مما يؤدي فعلياً إلى "ملء" الصف.
- الخطوة 2 (اتجاه العمود): تقوم الخوارزمية بمسح مماثل في اتجاه العمود. إذا وُجد بكسل أبيض، تبحث عن بكسل أبيض موازٍ في نفس العمود، وتحول البكسلات السوداء المتداخلة إلى اللون الأبيض.
- النتيجة: تولد عملية الملء المكونة من خطوتين هذه قناعاً ثنائياً صلباً يمثل مساحة السطح، حتى لو كان كشف الحواف الأصلي غير مستمر أو غير مكتمل.
حساب الأبعاد:
- يتوافق إجمالي عدد البكسلات البيضاء في المخرج مع بُعد فيزيائي بناءً على عامل معايرة ( $d = 0.264$ مم).
- لاستخلاص الأبعاد الفيزيائية الفعلية (العرض والارتفاع) من أعداد البكسلات، تنشئ الدراسة علاقة بين المسافة بين الكاميرا والجسم ( $x$ ) ونسبة الأبعاد الفعلية إلى الأبعاد المحسوبة بطريقة R-C-P.
- تم اشتقاق معادلات الانحدار الخطي (المعادلات 2-7) لحساب عوامل التصحيح ( $r_1$ للعرض، $r_2$ للارتفاع) بناءً على المسافة $x$ وقياسات البكسل الخام.
تقدير الحجم: يتم حساب الحجم النهائي باستخدام الأبعاد المصححة من كلتا الكاميرتين:
$V = W_1 \times \frac{(H_1 + H_2)}{2} \times W_2$
حيث تمثل $W$ و $H$ العرض والارتفاع المصححين المستمدين من رؤى الكاميرا المعنية.

النتائج الرئيسية
تم التحقق من صحة الطريقة باستخدام ثلاثة أجسام مستطيلة على مسافات متفاوتة (من 395 ملم إلى 645 ملم).

متانة الحواف: نجحت طريقة R-C-P في إعادة بناء مساحات سطح كاملة حتى عندما أنتج كاشف حواف "كاني" حواف غير مكتملة أو متقطعة، مما أظهر مرونة تجاه الضجيج وفجوات الكشف.
الدقة:
- العرض (الصف): باستثناء أقرب مسافة (395 ملم)، كانت الأخطاء في حساب العرض عادةً أقل من 4%، مع حد أقصى بلغ 10%.
- الارتفاع (العمود): باستثناء مسافة 395 ملم، كانت أخطاء الارتفاع غالباً أقل من 7%، ووصلت إلى 17% في حالات معينة.
- تشير الدراسة إلى أن مسافة 395 ملم أعطت أخطاء أعلى، ويرجع ذلك على الأرجب إلى قيود نطاق تركيز الكاميرا.
الارتباط: تم إنشاء علاقات خطية قوية بين المسافة من الكاميرا ونسبة الأبعاد الفعلية إلى الأبعاد المحسوبة، مما سمح باشتقاق معادلات التصحيح.

الأهمية والادعاءات
تدعي الورقة أن طريقة R-C-P تقدم حلاً موحداً لإعادة بناء الشكل وتقدير الحجم باستخدام كاميرتين ثنائيتين ثابتتين فقط، مما يتطلب عدداً أقل من الرؤى (رؤيتين) مقارنة بالعديد من طرق إعادة البناء ثلاثية الأبعاد الموجودة (والتي تتطلب غالباً خمس رؤى أو أكثر).

التكلفة والتعقيد: توفر بديلاً قابلاً للتطبيق لمستشعرات العمق ثلاثية الأبعاد باهظة الثمن، مما يجعل المراقبة الحجمية في الوقت الفعلي ممكناً للتطبيقات ذات الميزانية المحدودة أو المساحات الضيقة.
الاستقلالية: يعمل النظام دون معرفة مسبقة بفئة الجسم أو الوضعية الدقيقة للكاميرا، معتمداً بدلاً من ذلك على العلاقة الهندسية بين الرؤيتين الثابتتين.
القيود: يقر المؤلفون بأن الطريقة تعتمد حالياً على الأجسام المستطيلة وتتأثر بالعوامل البيئية مثل الإضاءة ومعايرة الكاميرا. وتشير معدلات الخطأ، رغم كونها مقبولة للمراقبة، إلى أن الطريقة هي تقريب وليست أداة قياس دقيقة في شكلها الحالي.

الخلاصة
تثبت الدراسة أن الرؤية الآلية ثنائية الأبعاد، المعززة بخوارزمية R-C-P ومعادلات التصحيح القائمة على المسافة، يمكنها تقدير حجم الأجسام المستطيلة بفعالية في الوقت الفعلي. يلغي هذا النهج الحاجة إلى مستشعرات ثلاثية الأبعاد مع الحفاظ على دقة كافية للتطبيقات التي تتطلب بيانات حجمية، مثل مراقبة الأشياء وكشف العيوب، بشرما يتم التحكم في المتغيرات البيئية وتحسين المعايرة.