Novel Vision-Based Camera Distance Estimation for Indoor Positioning

Nel mondo silenzioso e complesso della navigazione indoor, gli strumenti familiari su cui facciamo affidamento all'esterno spesso falliscono. Il Global Positioning System, che ci guida attraverso le città e i campi, fatica a penetrare le spesse pareti e i soffitti degli edifici, lasciandoci senza un segnale affidabile. Per risolvere questo problema, gli scienziati si sono rivolti alle telecamere che già sorvegliano i nostri uffici, ospedali e università. Questi sistemi di videosorveglianza, o CCTV, offrono un vantaggio unico: non hanno bisogno di segnali radio per vedere. Invece, catturano la geometria visiva di uno spazio, fornendo una mappa ricca di dove si trovano le persone rispetto alla telecamera. Tuttavia, trasformare un'immagine piatta, bidimensionale, in una misurazione accurata della distanza del mondo reale è un puzzle complicato. Una singola foto non può intrinsecamente dire quanto sia lontano un oggetto; una persona che sta vicina all'obiettivo appare grande, mentre la stessa persona lontana appare piccola, creando un'ambiguità confondente che ha a lungo sfidato i ricercatori.

Un nuovo studio dell'Università di Koya in Iraq affronta questa sfida insegnando a un computer come misurare la distanza tra una telecamera di sicurezza fissa e una persona che cammina in un corridoio. I ricercatori non hanno tentato di indovinare l'esatta posizione della persona su una mappa globale, un compito che spesso porta a errori. Invece, si sono concentrati su un obiettivo più gestibile e affidabile: determinare la precisa distanza fisica dalla telecamera ai piedi della persona. Per fare ciò, hanno costruito un sistema che prima identifica la persona nel flusso video e individua le sue caviglie, il punto specifico in cui il corpo incontra il pavimento. Se le caviglie sono nascoste o difficili da vedere, il sistema utilizza un metodo di riserva basato sulla parte inferiore del profilo della persona. I ricercatori hanno poi applicato una serie di correzioni digitali per tenere conto del modo in cui le lenti delle telecamere distorcono naturalmente le immagini e hanno utilizzato una tecnica di mappatura geometrica per tradurre la posizione dei pixel sullo schermo in una posizione reale sul pavimento.

Per perfezionare questo calcolo iniziale, il team ha introdotto una fase di apprendimento che funge da meccanismo di regolazione fine. Il sistema analizza l'immagine alla ricerca di indizi sulla profondità e sulle dimensioni della persona, confrontando queste caratteristiche visive con distanze note per correggere eventuali piccoli errori rimanenti. Quando testato su filmati di un corridoio universitario, questo approccio combinato si è dimostrato straordinariamente efficace. Il sistema ha stimato la distanza da una persona con un errore medio di soli 0,159 metri, ovvero circa 15,9 centimetri. In termini statistici, l'errore quadratico medio, che tiene conto degli errori più grandi, era di 0,218 metri. Questi risultati suggeriscono che il metodo è stabile e abbastanza accurato per un uso pratico nella posizionamento indoor.

Lo studio ha anche confrontato questo nuovo metodo con un approccio più comune e preconfezionato che si affida esclusivamente al rilevamento della forma generale di una persona senza individuare i suoi piedi o applicare correzioni geometriche. Il metodo standard, che si limita a disegnare un riquadro attorno a una persona, ha prodotto un errore medio di 0,386 metri, più del doppio dell'errore del nuovo sistema. Questa differenza evidenzia che semplicemente individuare una persona non è sufficiente; comprendere esattamente dove toccano terra e correggere per l'angolo specifico della telecamera e le peculiarità della lente è essenziale per la precisione. I ricercatori hanno notato che il loro successo dipendeva da un set specifico di condizioni, utilizzando dati raccolti in un singolo corridoio ben illuminato con telecamere fisse. Riconoscono che gli ambienti del mondo reale con folle in movimento, luce variabile o ombre pesanti potrebbero presentare nuove difficoltà.

Nonostante queste limitazioni, il lavoro dimostra che le infrastrutture di sicurezza esistenti possono essere riutilizzate per fornire una consapevolezza spaziale accurata senza la necessità di nuovi sensori costosi o hardware specializzati. Combinando la capacità di rilevare la postura umana con la mappatura matematica e un passaggio di correzione appreso, i ricercatori hanno dimostrato che una telecamera standard può misurare in modo affidabile quanto una persona sia lontana. Questa capacità potrebbe eventualmente aiutare a guidare le persone attraverso grandi edifici, assistere i soccorritori nel localizzare individui o aiutare i robot a navigare in spazi interni complessi, tutto semplicemente guardando il mondo attraverso una lente che già esiste.