¿Cómo funciona la percepción 3D de ZED?

La ZED es una cámara de visión estéreo pasiva que reproduce el funcionamiento de la visión binocular humana. Integra dos sensores de imagen sincronizados separados por una distancia fija y calibrada de fábrica llamada línea base. Al comparar las mismas características visuales en las imágenes izquierda y derecha y medir su desplazamiento horizontal (la disparidad), la ZED calcula la distancia de cada píxel mediante triangulación, creando un modelo tridimensional denso de la escena observada en tiempo real.

Como la ZED depende de la luz ambiental y de la textura natural de la escena en lugar de proyectar patrones infrarrojos o pulsos láser, es un sensor completamente pasivo; varias cámaras pueden funcionar una al lado de la otra sin interferir entre sí, tanto en interiores como en exteriores, incluso bajo la luz solar directa.

¿Cómo se genera el mapa de profundidad?

La cámara produce una transmisión de vídeo en color de alta resolución, sincronizada por hardware y dispuesta lado a lado (vistas izquierda y derecha). El ZED SDK, que se ejecuta en el equipo host, rectifica las dos imágenes utilizando la calibración de fábrica, realiza la correspondencia estéreo en la GPU para calcular un mapa de disparidad y lo convierte en un mapa de profundidad métrico. Las versiones modernas del SDK también ofrecen correspondencia estéreo basada en IA (modos de profundidad NEURAL), que mejora significativamente la robustez en superficies con poca textura y reflectantes.

Los Desarrolladores tienen acceso simultáneo a:

• Las imágenes en color izquierda y derecha sincronizadas
• El mapa de profundidad denso y el mapa de confianza
• Una nube de puntos 3D con color y normales de superficie

Todas las salidas están alineadas espacial y temporalmente; no es necesario registrar un sensor RGB independiente con los datos de profundidad, como ocurre con la mayoría de las cámaras de profundidad activas.

¿Cómo se compara la visión estereoscópica con otras tecnologías de detección de profundidad?

Los sensores de profundidad activos basados en luz estructurada o en tiempo de vuelo suelen estar limitados a distancias cortas y al uso en interiores, ya que la luz solar satura su señal infrarroja. El LiDAR funciona bien en exteriores, pero proporciona datos geométricos dispersos sin color y a un costo más elevado.

La visión estereoscópica pasiva combina las ventajas de ambos mundos: percepción de profundidad a larga distancia (hasta 20 m y más, dependiendo del modelo y la línea base), color y profundidad de resolución completa desde el mismo par de sensores, y un funcionamiento fiable tanto en interiores como en exteriores. Esto hace que las cámaras ZED sean adecuadas para aplicaciones de robótica, AR/VR, análisis de vídeo, seguridad, VFX, logística, agricultura y escaneo 3D.

¿Puedo usar la ZED para contar y rastrear personas?

Sí. El amplio alcance de profundidad de la visión estereoscópica hace que la ZED sea una buena opción para contar y rastrear personas en áreas grandes. Además, el ZED SDK incluye módulos específicos de Detección de objetos y Seguimiento del cuerpo que combinan la detección mediante IA con información de profundidad 3D para localizar y rastrear personas en un espacio métrico, con identificadores únicos y datos de esqueletos 3D. Ten en cuenta que la segmentación detallada de partes pequeñas del cuerpo, como los dedos, está limitada a larga distancia porque la resolución de disparidad disminuye con la distancia.

Prácticas recomendadas para la detección de profundidad estereoscópica

• Rango de trabajo: cada modelo tiene un rango óptimo definido por su línea base y distancia focal. Como regla general, la precisión de profundidad es mayor en el rango cercano; coloque la cámara lo más cerca posible de la región de interés, según lo permita la aplicación.
• Textura de la escena: la coincidencia estéreo necesita características visuales. Las superficies homogéneas, sin textura o especulares (paredes blancas, pantallas verdes, vidrio, espejos) pueden generar una profundidad inestable o inexistente. Añadir textura o utilizar el modo de profundidad NEURAL ayuda a mitigar este problema.
• Iluminación: la ZED utiliza imágenes en color, no infrarrojas, para percibir la profundidad; evite entornos con muy poca luz o añada iluminación a la escena. En exteriores, la luz solar directa no supone un problema.
• Movimiento rápido: para capturar movimientos rápidos, utilice los modos de alta frecuencia de imagen (por ejemplo, HD720 a 60 FPS o VGA/SVGA a 100 FPS en modelos USB) para reducir el desenfoque por movimiento, que degrada la coincidencia estéreo.
• Extensión del cable: la conexión USB 3.0 puede extenderse hasta 15 m con cables de extensión USB 3.0 activos, y hasta 100 m mediante extensores USB 3.0 de fibra óptica. Para cableado largo de grado industrial y configuraciones con varias cámaras, la familia ZED X utiliza una interfaz GMSL2 diseñada para sistemas embebidos.

¿Cuál es la precisión de profundidad?

La profundidad estéreo se estima mediante triangulación a partir de la imagen de disparidad. La resolución de profundidad sigue esta relación:

Dr = Z² * alpha

donde Z es la distancia al objetivo y alpha es una constante que depende de la línea base, la distancia focal y la precisión de coincidencia de subpíxeles.

En la práctica, el error de profundidad aumenta cuadráticamente con la distancia: normalmente es de alrededor del 1 % de la distancia en el rango cercano y puede alcanzar varios puntos porcentuales en el extremo lejano del rango. La precisión también puede verse afectada por mediciones atípicas en superficies homogéneas y sin textura, que normalmente producen inestabilidad temporal en los valores de profundidad; el mapa de confianza del SDK puede utilizarse para filtrar estos píxeles poco fiables.