Camera stereo và ước lượng độ sâu: cho robot cảm nhận khoảng cách

Thị giác máy tính là ứng dụng AI phổ biến nhất trên thiết bị biên: từ camera an ninh đến kiểm tra chất lượng sản phẩm. Bài viết "Camera stereo và ước lượng độ sâu: cho robot cảm nhận khoảng cách" hướng dẫn cách tiếp cận thực dụng, ưu tiên chạy được trên phần cứng phổ thông.

Hai camera đặt cách nhau một khoảng cho phép tính độ sâu từ thị sai, rẻ hơn nhiều so với LiDAR 3D. Nguyên lý epipolar, hiệu chuẩn stereo và tạo bản đồ độ sâu bằng OpenCV.

Chọn bài toán và mô hình

Phần lớn bài toán thị giác thực tế rơi vào bốn nhóm: phân loại ảnh, phát hiện vật thể, phân đoạn và OCR. Với thiết bị biên, họ mô hình YOLO (bản nano hoặc small) là điểm khởi đầu hợp lý cho phát hiện vật thể vì cân bằng tốt giữa tốc độ và độ chính xác.

Đừng vội huấn luyện lại từ đầu: thử mô hình pre-trained trước, đo độ chính xác trên chính dữ liệu của bạn, rồi mới quyết định có cần fine-tune hay không.

Dữ liệu và huấn luyện

Chất lượng dữ liệu quyết định 80% kết quả. Thu thập ảnh từ đúng camera và đúng góc lắp đặt thực tế, gán nhãn nhất quán, và tách tập validation trước khi huấn luyện. Vài trăm ảnh tốt thường thắng vài nghìn ảnh tạp.

Augmentation (xoay, đổi sáng, thêm nhiễu) giúp mô hình chịu được điều kiện ánh sáng thay đổi, đặc biệt quan trọng với camera lắp ngoài trời ở khí hậu Việt Nam.

Triển khai trên thiết bị biên

Pipeline điển hình: camera đọc khung hình, tiền xử lý (resize, chuẩn hoá), suy luận qua mô hình đã lượng tử hoá, hậu xử lý (NMS, tracking) rồi đẩy kết quả qua MQTT hoặc webhook. Trên Jetson, DeepStream gói sẵn toàn bộ pipeline này và tận dụng phần cứng giải mã video.

Đo FPS ở điều kiện thật, không phải trên video mẫu: ánh sáng yếu, vật thể nhỏ và độ phân giải cao đều kéo hiệu năng xuống đáng kể.

Lời kết

Một dự án thị giác máy nghiêm túc bắt đầu từ camera và board suy luận phù hợp. aiviethub tư vấn và cung cấp camera CSI, camera stereo, module Jetson và phụ kiện đi kèm để bạn dựng nguyên mẫu trong tuần đầu tiên thay vì chờ hàng cả tháng.