उलटा गहराई पैरामीट्रीकरण

व्युत्क्रम गहराई प्राचलीकरण (Inverse depth parametrization) कंप्यूटर विज़न और एक साथ स्थानीयकरण और मानचित्रण (SLAM) में उपयोग की जाने वाली एक विधि है, जो कैमरे के दृश्य में 3D बिंदु की स्थिति को दर्शाती है। यह बिंदु के यूक्लिडियन निर्देशांक (x, y, z) को सीधे संग्रहीत करने के बजाय, बिंदु की दिशा (अज़ीमुथ और उन्नयन कोण) और उसकी गहराई का व्युत्क्रम (1/z) संग्रहीत करता है। यह निरूपण विशेष रूप से मोनोक्यूलर SLAM प्रणालियों के लिए मूल्यवान है, जहाँ गहराई सीधे देखने योग्य नहीं होती है और समय के साथ गति से अनुमानित की जानी चाहिए।

व्युत्क्रम गहराई प्राचलीकरण का मुख्य लाभ अनिश्चितता के उपचार में निहित है। दूर के बिंदुओं के लिए, गहराई में एक छोटी सी त्रुटि यूक्लिडियन z-निर्देशांक में एक बड़ी त्रुटि के अनुरूप होती है, जिससे मानक कार्टेशियन निर्देशांक में गाऊसी शोर मॉडल अनुपयुक्त हो जाते हैं। व्युत्क्रम गहराई में, अनिश्चितता वितरण अधिक सममित और गाऊसी के करीब हो जाता है, जो SLAM में आमतौर पर उपयोग किए जाने वाले कलमन फ़िल्टर और अन्य अनुमान ढाँचों के साथ अच्छी तरह से संरेखित होता है। यह अधिक स्थिर और सटीक अवस्था अनुमान की ओर ले जाता है, विशेष रूप से प्रारंभिक फ़्रेमों के दौरान जब किसी विशेषता की गहराई अत्यधिक अनिश्चित होती है।

ऐतिहासिक संदर्भ

यह तकनीक 2000 के दशक के मध्य में जेवियर सिवेरा, एंड्रयू डेविसन और जोस मारिया मार्टिनेज़ मोंटिएल के कार्य के माध्यम से प्रमुखता में आई, जिन्होंने व्युत्क्रम गहराई प्राचलीकरण के साथ मोनोक्यूलर SLAM पर प्रभावशाली पेपर प्रकाशित किए। उनका 2008 का पेपर "मोनोक्यूलर SLAM के लिए व्युत्क्रम गहराई प्राचलीकरण" (IEEE ट्रांज़ैक्शन्स ऑन रोबोटिक्स में प्रकाशित) ने इस दृष्टिकोण को औपचारिक रूप दिया और वास्तविक समय ट्रैकिंग में इसकी प्रभावशीलता प्रदर्शित की। यह कार्य Computer vision और Machine learning में पहले के शोध पर आधारित था, जिसने 3D पुनर्निर्माण के लिए वैकल्पिक प्राचलीकरणों की खोज की, लेकिन व्युत्क्रम गहराई मोनोक्यूलर प्रणालियों में उपयोग की जाने वाली विलंबित और अविलंबित आरंभीकरण रणनीतियों के लिए विशेष रूप से उपयुक्त साबित हुई।

इससे पहले, मोनोक्यूलर SLAM प्रणालियाँ अक्सर कैमरे से दूर या बड़ी गहराई अनिश्चितता वाली विशेषताओं के साथ संघर्ष करती थीं। व्युत्क्रम गहराई सूत्रीकरण ने इन प्रणालियों को बहुत बड़े गहराई विचरण (प्रभावी रूप से अनंत गहराई का मॉडलिंग) के साथ विशेषताओं को आरंभ करने और फिर कैमरे के चलने और लंबन प्रदान करने पर अनुमान को परिष्कृत करने की अनुमति दी। यह पहले के तरीकों की तुलना में एक महत्वपूर्ण सुधार था, जिन्हें विशेषताओं को एक निश्चित गहराई के साथ आरंभ करने या उच्च अनिश्चितता वाली विशेषताओं को त्यागने की आवश्यकता होती थी।

गणितीय सूत्रीकरण

व्युत्क्रम गहराई प्राचलीकरण में, एक 3D बिंदु को छह-आयामी अवस्था वेक्टर के रूप में दर्शाया जाता है:

• पहले अवलोकन पर कैमरा स्थिति (x0, y0, z0)
• उस स्थिति से किरण दिशा को परिभाषित करने वाला अज़ीमुथ कोण (θ) और उन्नयन कोण (φ)
• व्युत्क्रम गहराई (ρ = 1/d)

यह निरूपण बिंदु के स्थान का एक न्यूनतम प्राचलीकरण है, जो अनावश्यक जानकारी के साथ पूर्ण 3D निर्देशांक की आवश्यकता से बचता है। वास्तविक 3D निर्देशांक को प्रारंभिक कैमरा स्थिति से किरण दिशा के साथ 1/ρ की दूरी पर जाकर पुनर्प्राप्त किया जा सकता है।

गहराई के बजाय व्युत्क्रम गहराई का चयन इस अवलोकन से प्रेरित है कि स्थिर वेग से चलने वाले कैमरे के लिए, एक स्थिर बिंदु की व्युत्क्रम गहराई शोर की अनुपस्थिति में रैखिक रूप से विकसित होती है। यह रैखिकता फ़िल्टरिंग एल्गोरिदम में भविष्यवाणी चरण को सरल बनाती है और संख्यात्मक स्थिति में सुधार करती है। इसके अतिरिक्त, व्युत्क्रम गहराई को शून्य (अनंत पर एक बिंदु का प्रतिनिधित्व) पर आरंभ किया जा सकता है बिना विलक्षणताओं के, जो मानक गहराई प्राचलीकरण के साथ संभव नहीं है।

SLAM और विज़ुअल ओडोमेट्री में अनुप्रयोग

व्युत्क्रम गहराई प्राचलीकरण कई मोनोक्यूलर SLAM प्रणालियों में एक मानक घटक बन गया है। इसका उपयोग फ़िल्टरिंग-आधारित दृष्टिकोणों में किया जाता है, जैसे कि ऑक्सफोर्ड विश्वविद्यालय में विकसित मूल MonoSLAM प्रणाली, और कीफ़्रेम-आधारित अनुकूलन विधियों में। उदाहरण के लिए, जॉर्ज क्लेन और डेविड मरे द्वारा विकसित PTAM (समानांतर ट्रैकिंग और मैपिंग) प्रणाली ने अपने मैपिंग थ्रेड के लिए व्युत्क्रम गहराई को अपनाया, और बाद की प्रणालियों जैसे LSD-SLAM और ORB-SLAM ने अपने आरंभीकरण और मैपिंग चरणों में समान विचारों को शामिल किया है।

यह तकनीक विशेष रूप से उन परिदृश्यों में उपयोगी है जहाँ कैमरा महत्वपूर्ण स्थानांतरणीय गति से गुजरता है, जो गहराई अनिश्चितता को कम करने के लिए आवश्यक लंबन प्रदान करता है। स्वायत्त वाहनों के लिए विज़ुअल ओडोमेट्री में, जैसे कि Waymo या Tesla द्वारा विकसित, व्युत्क्रम गहराई मोनोक्यूलर कैमरा स्ट्रीम से सुसंगत 3D मानचित्र बनाए रखने में मदद करती है, भले ही विशेषताएँ अलग-अलग दूरी पर हों। यह संवर्धित वास्तविकता और संरचना-से-गति पाइपलाइनों में भी भूमिका निभाती है, जहाँ एकल गतिशील कैमरे से सटीक गहराई अनुमान आवश्यक है।

लाभ और सीमाएँ

व्युत्क्रम गहराई प्राचलीकरण का एक प्रमुख लाभ बहुत बड़ी दूरी पर विशेषताओं को संभालने की क्षमता है, जिसमें प्रभावी रूप से अनंत पर बिंदु शामिल हैं। मानक यूक्लिडियन प्राचलीकरण में, ऐसे बिंदु सहप्रसरण मैट्रिक्स को खराब स्थिति में ले जाते हैं, जिससे संख्यात्मक अस्थिरता होती है। व्युत्क्रम गहराई पैरामीटर को बाध्य रखकर और अनिश्चितता को अच्छी तरह से मॉडल करके इससे बचती है।

एक और लाभ आरंभीकरण की सरलता है। एक नई विशेषता को बड़े व्युत्क्रम गहराई विचरण के साथ आरंभ किया जा सकता है, जो इसकी दूरी के बारे में पूर्ण अज्ञानता का प्रतिनिधित्व करता है, और फिर अधिक अवलोकन होने पर अद्यतन किया जाता है। यह उन तरीकों के विपरीत है जिन्हें प्रारंभिक गहराई अनुमान की आवश्यकता होती है या जो पहले पर्याप्त लंबन इकट्ठा करने के लिए विलंबित आरंभीकरण का उपयोग करते हैं।

हालाँकि, प्राचलीकरण बिना कमियों के नहीं है। निरूपण के लिए प्रत्येक विशेषता के लिए प्रारंभिक कैमरा स्थिति को संग्रहीत करने की आवश्यकता होती है, जिससे मेमोरी उपयोग बढ़ जाता है। यह कैमरा मुद्रा और विशेषता मापदंडों के बीच एक युग्मन भी पेश करता है, जो अनुकूलन प्रक्रिया को जटिल बना सकता है। व्यवहार में, कई प्रणालियाँ एक बार विशेषता की गहराई अनिश्चितता पर्याप्त रूप से कम हो जाने पर यूक्लिडियन प्राचलीकरण पर स्विच करती हैं, ताकि अवस्था निरूपण को सरल बनाया जा सके और कम्प्यूटेशनल लागत कम की जा सके।

अन्य तकनीकों से संबंध

व्युत्क्रम गहराई प्राचलीकरण संभाव्य रोबोटिक्स और कंप्यूटर विज़न में अन्य तकनीकों से निकटता से संबंधित है। यह स्टीरियो विज़न में विसंगति (disparity) के उपयोग के साथ अवधारणात्मक समानताएँ साझा करता है, जहाँ गहराई का व्युत्क्रम बाएँ और दाएँ कैमरा छवियों के बीच विसंगति के सीधे आनुपातिक होता है। Deep learning में मोनोक्यूलर गहराई अनुमान के दृष्टिकोणों में, जैसे कि Neural network आर्किटेक्चर का उपयोग करने वाले, आउटपुट को अक्सर व्युत्क्रम गहराई या लॉग-गहराई के रूप में दर्शाया जाता है ताकि प्रशिक्षण स्थिरता और सटीकता में सुधार हो, जो समान अंतर्निहित सांख्यिकीय तर्क को दर्शाता है।

यह तकनीक व्यापक अनुमान ढाँचों जैसे Kalman Filter और कण फ़िल्टर से भी जुड़ती है, जो SLAM और ट्रैकिंग में उपयोग किए जाते हैं। प्राचलीकरण का चयन इन प्रणालियों में एक महत्वपूर्ण डिज़ाइन निर्णय है, और व्युत्क्रम गहराई मोनोक्यूलर विज़न के लिए एक मजबूत और व्यावहारिक विकल्प साबित हुई है, जिसने बाद के व्यापक शोध और वाणिज्यिक कार्यान्वयन को प्रभावित किया है।