Novel Vision-Based Camera Distance Estimation for Indoor Positioning

En el silencioso y complejo mundo de la navegación en interiores, las herramientas familiares en las que confiamos al aire libre suelen fallar. El Sistema de Posicionamiento Global, que nos guía a través de ciudades y campos, lucha por penetrar las gruesas paredes y techos de los edificios, dejándonos sin una señal fiable. Para resolver esto, los científicos han recurrido a las cámaras que ya vigilan nuestras oficinas, hospitales y universidades. Estos sistemas de televisión de circuito cerrado, o CCTV, ofrecen una ventaja única: no necesitan señales de radio para ver. En su lugar, capturan la geometría visual de un espacio, proporcionando un mapa rico de dónde se encuentran las personas en relación con la cámara. Sin embargo, convertir una imagen plana y bidimensional en una medida precisa de la distancia del mundo real es un rompecabezas complicado. Una sola foto no puede indicar intrínsecamente a qué distancia se encuentra un objeto; una persona parada cerca de la lente se ve grande, mientras que esa misma persona lejos se ve pequeña, creando una ambigüedad confusa que durante mucho tiempo ha desafiado a los investigadores.

Un nuevo estudio de la Universidad de Koya en Irak aborda este desafío enseñando a una computadora cómo medir la distancia entre una cámara de seguridad fija y una persona caminando por un pasillo. Los investigadores no intentaron adivinar la ubicación exacta de la persona en un mapa global, una tarea que a menudo conduce a errores. En su lugar, se centraron en un objetivo más manejable y fiable: determinar la distancia física precisa desde la cámara hasta los pies de la persona. Para hacer esto, construyeron un sistema que primero identifica a la persona en la transmisión de video y localiza sus tobillos, el punto específico donde su cuerpo se une con el suelo. Si los tobillos están ocultos o son difíciles de ver, el sistema utiliza un método de respaldo basado en la parte inferior del contorno de la persona. Los investigadores aplicaron entonces una serie de correcciones digitales para tener en cuenta la forma en que las lentes de las cámaras distorsionan naturalmente las imágenes y utilizaron una técnica de mapeo geométrico para traducir la ubicación de los píxeles en la pantalla a una posición real en el suelo.

Para refinar este cálculo inicial, el equipo introdujo un paso de aprendizaje que actúa como un mecanismo de ajuste fino. El sistema analiza la imagen en busca de pistas sobre la profundidad y el tamaño de la persona, comparando estas características visuales con distancias conocidas para corregir cualquier error pequeño restante. Al ser probado con imágenes de un corredor universitario, este enfoque combinado demostró ser notablemente efectivo. El sistema estimó la distancia a una persona con un error promedio de solo 0.159 metros, o aproximadamente 15.9 centímetros. En términos estadísticos, el error cuadrático medio, que tiene en cuenta los errores mayores, fue de 0.218 metros. Estos resultados sugieren que el método es estable y lo suficientemente preciso para su uso práctico en posicionamiento en interiores.

El estudio también comparó este nuevo método contra un enfoque más común y convencional que depende únicamente de detectar la forma general de una persona sin precisar sus pies o aplicar correcciones geométricas. El método estándar, que simplemente dibuja un cuadro alrededor de una persona, produjo un error promedio de 0.386 metros, más del doble del error del nuevo sistema. Esta diferencia resalta que simplemente detectar a una persona no es suficiente; comprender exactamente dónde toca el suelo y corregir por el ángulo específico de la cámara y las peculiaridades de la lente es esencial para la precisión. Los investigadores señalaron que su éxito dependió de un conjunto específico de condiciones, utilizando datos recolectados en un único pasillo bien iluminado con cámaras fijas. Reconocen que los entornos del mundo real con multitudes en movimiento, luz cambiante o sombras pesadas podrían presentar nuevas dificultades.

A pesar de estas limitaciones, el trabajo demuestra que la infraestructura de seguridad existente puede ser reutilizada para proporcionar una conciencia espacial precisa sin la necesidad de nuevos sensores costosos o hardware especializado. Al combinar la capacidad de detectar la postura humana con el mapeo matemático y un paso de corrección aprendido, los investigadores demostraron que una cámara estándar puede medir de manera fiable qué tan lejos está una persona. Esta capacidad podría eventualmente ayudar a guiar a las personas a través de grandes edificios, asistir a los socorristas en la localización de individuos o ayudar a los robots a navegar por espacios interiores complejos, todo ello simplemente mirando el mundo a través de una lente que ya existe.