We onderzochten een nieuwe manier om met beeldherkenning objecten te meten. Behalve vier markeringen die in beeld zichtbaar moeten zijn, is geen vaste opstelling nodig. Vrijwel elke camera/telefoon/tablet voldoet en er zijn geen eisen aan afstand, positie of hoek van de foto. Dat maakt deze werkwijze interessant voor veldonderzoek, inventarisaties en citizen science.
Het algoritme moet samenwerken met een beeldherkenning model dat de relevante objecten detecteert. Van die gevonden objecten rekent het algoritme vervolgens de afmetingen uit.
De vier markers moeten goed zichtbaar zijn en het object moet zich op of in hetzelfde vlak als de markers bevinden. De methode heeft in onze eerste praktijktests een zeer kleine foutmarge.
Voorbeeld: schelp meten
Je ziet dat deze foto niet vanuit een vaste opstelling is gemaakt. Het object ligt niet recht in beeld en de foto is iets vanuit een hoek genomen. Wel zijn de vier markers duidelijk zichtbaar. De schelp is 87 mm lang.
De berekening
Het algoritme heeft de afbeelding gedraaid en vervormd naar vlak perspectief. Omdat het de afstand tussen de markers weet, kan het nu de lengte van de schelp berekenen. De berekende lengte is 87,6 mm (0,7% foutmarge).
Hoe te gebruiken?
Een algoritme zoals dit kunnen we verpakken in een generieke applicatie die je zo goed als overal kunt uitvoeren. Je kan het gebruiken op je laptop of pc, op een server of in bestaande software en webapplicaties.
Je hebt een specifiek beeldherkenning algoritme nodig, dat de objecten kan detecteren die voor jouw toepassing relevant zijn. Misschien beschik je over zo’n algoritme, anders kunnen wij een prototype voor je maken.
Het resultaat zetten we om naar de gewenste applicatievorm, we leveren watervaste markers en bieden je natuurlijk de nodige instructies en support.
Neem gerust contact op als je meer wil weten of een demo wil bekijken.
Technologie voor robotica en AR
De markeringen die we gebruiken, worden ook gebruikt in robotica en AR. Ze zijn goed door beeldherkenning te herkennen.
Nadat het algoritme vier referentieobjecten heeft gelokaliseerd, kan het de afbeelding draaien en vervormen tot een vlak perspectief.
Omdat het algoritme de afstand tussen de markers kent, kan het daarna de lengte van een gedetecteerd object uitrekenen met een hele kleine foutmarge.