नवीन प्रजाती भौगोलिक भिन्नता असल्यावरच तयार होतात या प्रस्थापित समजाला भेद देणारे निष्कर्ष काढून, अविभागित भूप्रदेशात प्राणी-पक्ष्यांच्या नवीन प्रजाती निर्माण होण्यामागे पर्यावरणातील संसाधने, जनुके आणि जोडीदाराची निवड यांची भूमिका काय असते याचा अभ्यास आयआयटी मुंबईच्या संशोधकांनी केला

अस्थिर व्हिडीओच्या दुरुस्तीसाठी गणितीय तंत्र

Read time: 1 min
मुंबई
4 नवेंबर 2023
spherical robot

बऱ्याच उपकरणांमध्ये कॅमेरा आता सहज उपलब्ध झाले आहेत. विशेषतः प्रत्येक फोन मध्ये कॅमेरा आल्याने प्रत्येक जण जिथे जाऊ तिथे फोटो आणि विडिओ टिपण्याची क्षमता खिशात घेऊन फिरतो. स्मार्टफोनवर एका क्लिक द्वारे आपण उत्तम प्रतीचे व्हिडीओ चित्रित करू शकतो. विविध प्रकारचे रोबॉट्स आणि ड्रोन्स यांवर सुद्धा आता कॅमेरे बसवलेले असतात जेणेकरून स्वतः पोहोचू शकत नाही अशा ठिकाणहून दिसणारी दृश्य आपण पाहू शकतो. इसरोने प्रज्ञान रोव्हर नावाचा असाच एक रोबॉट यशस्वीपणे चंद्रावर देखील उतरवला आहे. असे असले तरीही उत्तम व्हिडीओ टिपणे नेहमीच सोपे आणि सरळ नसते. उपकरणांच्या बारीक-सारीक मर्यादा आणि हवामान यांचा टिपलेल्या व्हिडीओच्या दर्जावर बराच परिणाम होतो.

फिरत्या कॅमेराने स्थिर व्हिडीओ चित्रित करणे कायमच अवघड असते. त्यातून दूरस्थपणे चित्रण नियंत्रित केले जात असेल तर ते काम आणखी आव्हानात्मक असते. भारतीय तंत्रज्ञान संस्था मुंबई (आयआयटी मुंबई) मधील संशोधकांनी विकसित केलेल्या गणितीय अल्गोरिदमने व्हिडीओ मधील नको असलेली किंवा चुकून झालेली अनभिप्रेत हालचाल काढून टाकता येते आणि व्हिडीओ स्थिर दिसू शकतो.

“जेव्हा एखाद्या फिरत्या रोबॉट वर कॅमेरा बसवलेला असेल तेव्हा खरेतर त्या रोबॉटला दिसणारी हालचाल आपल्याला टिपायची असते. त्याव्यतिरिक्त कुठलीही गती अथवा हालचाल जेव्हा त्या व्हिडीओ मध्ये दिसून येते तेव्हा ती अनभिप्रेत ठरते,” असे या अभ्यासाच्या लेखिका असलेल्या आयआयटी मुंबई येथील प्रा. लीना वाच्छानी यांनी सांगितले.

मिळालेल्या नवीन सूचना अंमलात येताना, कॅमेरा बसवलेल्या मंचाच्या अस्थिरतेमुळे किंवा रोबॉटच्या हालचालींच्या नियंत्रणासाठी उपयोगात आणलेले संवेदक पुरेसे प्रगत नसल्याने दोलने घडतात आणि अनभिप्रेत हालचाली किंवा रोबॉटिक गती व्हिडीओ मध्ये शिरकाव करतात.

व्हिडीओच्या स्थिरीकरणासाठी (स्टॅबिलायझेशन) अनेक पद्धती उपलब्ध आहेत. सर्वात प्रचलित आणि सोपी पद्धत म्हणजे एखाद्या स्थिर आधारावर कॅमेरा बसवणे, उदाहरणार्थ ट्रायपॉड (कॅमेऱ्यासाठीची तिवई) किंवा गिम्बल (एका केंद्रबिंदूवर बसवलेला आणि ज्यावर कॅमेरा कुठल्याही अक्षाभोवती सफाईदारपणे फिरू शकतो असा आधार). अशी उपकरणे कॅमेऱ्याला एक भक्कम आधार देतात आणि अनावश्यक हालचाली थांबवतात. ड्रोन आणि रोबॉट्स मध्ये गिम्बल वापरता येतात आणि मोटरच्या सहाय्याने कॅमेरा त्याच्या अक्षांवर स्थिर ठेवता येतो. परंतु यामुळे यंत्रणेचे वजन वाढते आणि काही प्रकारच्या वापरासाठी यंत्रणा जड असणे समस्या ठरू शकते. यांत्रिक स्थिरीकरण करणाऱ्या उपकरणांखेरीज डिजिटल पद्धतीने सॉफ्टवेअरचा वापर करून व्हिडीओतून कॅमेऱ्याच्या अनभिप्रेत हालचाली काढून टाकता येतात. अशा पद्धतींमध्ये व्हिडिओ रेकॉर्ड करून झाल्यानंतर त्यावर नको असलेल्या हालचालींचा प्रभाव काढून टाकण्यासाठी सुधार तंत्रांचा समावेश असतो.

पारंपरिक डिजिटल स्थिरीकरणाचे पद्धतींमध्ये अनेक संवेदकांचा उपयोग केला जातो– उदाहरणार्थ, जडत्व मापन घटक (इनर्शिअल मेझरमेन्ट युनिट) ज्यामध्ये कॅमेरा आणि रोबॉटची गती मोजली जाते आणि त्यावरून अनभिप्रेत हालचाल ओळखता येते. जर संवेदक रोबॉटवर बसवता येणे (ऑन-बोर्ड सेन्सर्स) इष्ट नसेल तर फीचर ट्रॅकिंग किंवा मोशन एक्स्ट्रॅक्शन पद्धती वापरल्या जातात. फीचर ट्रॅकिंग मध्ये कॅमेराला दिसणाऱ्या दृश्यातील एखादा आकार किंवा वस्तू यासारखा स्थिर घटक पाठोपाठच्या क्रमिक फ्रेम्स मध्ये ट्रॅक केला जातो (व्हिडिओ अनेक फ्रेम्सचा बनलेला असतो). मोशन ट्रॅकिंग मधे कॅमेऱ्याच्या हालचालीचा मार्ग समजून घेतला जातो (ट्रॅकिंग) आणि त्या हालचाली व्यतिरिक्त दिसून येणारी हालचाल अनभिप्रेत आहे असे ओळखता येते. या दोन्ही पद्धती काहीशा किचकट आहेत आणि त्यांना संगणन प्रक्रियेसाठी बरीच संसाधने लागतात. साधारणतः असे संगणन दूरस्थपणे हातात धरून चालवलेल्या नियंत्रकावर (रिमोट हॅन्ड-हेल्ड कंट्रोलर) केले जाते. म्हणजे यासाठी रेकॉर्ड झालेला व्हिडिओ कॅमेऱ्याकडून नियंत्रकाकडे पाठवावा लागतो आणि नियंत्रकामध्ये त्यावर प्रक्रिया होऊन अंतिम रूपात व्हिडिओ तयार केला जातो. या प्रक्रियेची सोय नियंत्रकामध्ये असल्याने नियंत्रक बोजड होतात.

“स्थिरीकरणासाठी लागणारे सॉफ्टवेअर संगणनाच्या दृष्टीने खर्चिक, गुंतागुंतीचे आणि अवजड असू नये. तरच साध्या मायक्रोकंट्रोलरचा उपयोग करता येतो आणि नियंत्रक सहज हातात धरून वापरता येईल असा हलका असू शकतो,” असे स्पष्टीकरण प्रा. वाच्छानी यांनी दिले.

आयआयटी मुंबईच्या संशोधकांनी अत्याधुनिक हार्डवेअर किंवा फीचर ट्रॅकिंगचा अवलंब न करता वजनाला आणि संगणकीय दृष्ट्या हलका डिजिटल पर्याय शोधायचा प्रयत्न केला. सिंग्युलर व्हॅल्यू डिकंपोझिशन (एसव्हीडी) नावाचे एक गणितीय तंत्र वापरून त्यांनी व्हिडीओसाठी एक अनोखी पद्धत शोधून काढली. त्या-त्या व्हिडीओ मध्ये आढळणाऱ्या विशिष्ट आकार किंवा वस्तू सारख्या महत्वाच्या विशेषतांना या तंत्रानुसार काही मूल्ये दिली जातात ज्यांना आयगेनव्हॅल्यू म्हणतात. या आयगेनव्हॅल्यू मध्ये होणारे बदल टिपले तर अनभिप्रेत हालचालीचे परिणाम शोधून काढता येतात.

प्रा. वाच्छानी यांनी सांगितले “आयगेनव्हॅल्यू मध्ये व्हिडीओच्या मुख्य विशेषता हेरल्या जाऊ शकतात. सिंग्युलर व्हॅल्यू डिकंपोसिशन वापरून त्यातील प्रमुख आयगेनव्हॅल्यूज आणि त्यांचे गुणांक ओळखता येतात.”

या गुणांकाच्या सहाय्याने व्हिडीओ मध्ये काही अस्थिरता आली आहे का ते शोधता येते.

व्हिडीओ सिग्नल मध्ये येणारी बाह्य व्यत्यये सहसा आवर्ती (पिरियॉडिक) स्वरूपाची असतात. या गुणधर्माचा उपयोग सदर स्थिरीकरण पद्धतीमध्ये केला आहे. अभिप्रेत गती साधारणतः सुरळीत असते, परंतु अनभिप्रेत हालचाली अचानक बसणारे धक्के किंवा डुगडुगल्यासारखी हालचाल या स्वरूपात दिसून येतात.

“अनभिप्रेत हालचाल आवर्ती स्वरूपात आढळते आणि थरथरणारी असू शकते,” अशी माहिती प्रा. वाच्छानी यांनी दिली.

आवर्ती हालचाल टिपल्यानंतर शेप प्रिझर्वेशन फिल्टर नावाच्या आणखी एका गणितीय साधनाचा उपयोग करून ती वेगळी केली जाते. हा फिल्टर व्हिडीओ सिग्नल मधून कुठलेही अतिरिक्त आवर्ती सिग्नल्स वेगळे करतो आणि मूळ व्हिडीओ, जो आवर्ती नसतो, त्याला टिकवतो. अशा प्रकारे आवर्ती सिग्नल्स वेगळे झाले की उरलेला सिग्नल हा स्थिर व्हिडीओ असतो.

प्रस्तुत गणितीय पद्धतीची चाचणी दोन लहान रोबॉट्स वर केली गेली – एक साधारण फूटबॉल एवढा गोलाकार रोबॉट आणि एक मानवरहित हवाई वाहन (अनमॅन्ड एरियल वेहिकल, एयुएव्ही). दोन्ही चाचण्यांचे परिणाम आशादायी होते. भवतालची स्थिती गैरसोयीची असूनही आणि अनभिप्रेत व्हिडीओ सिग्नल मोठा असूनही, अंतिम व्हिडिओचे स्थिरीकरण सुधारलेले होते. असे असले तरीही आणखी वेगवेगळ्या वातावरणात आणि इतर संनिरीक्षण अनुप्रयोगांमध्ये (सर्व्हेलन्स ॲप्लिकेशन) या पद्धतीचे कार्य तपासण्यासाठी अधिक संशोधनाची आवश्यकता आहे.

लहान आकाराचे रोबॉट्स आणि ड्रोन्स यांचा वापर छायाचित्रण, मॅपिंग, दृश्य निरीक्षण, लक्ष्य ओळखणे (टार्गेट डिटेक्शन) आणि ट्रॅकिंग सारख्या व्यावसायिक आणि सुरक्षा क्षेत्रांमध्ये वेगाने वाढतोय. आयआयटी मुंबईच्या संशोधकांच्या नवीन पद्धतीमुळे लहान आकाराच्या रोबॉट्स द्वारे रेकॉर्ड होणाऱ्या व्हिडिओची गुणवत्ता आणखी सुधारू शकते. त्यामुळे दूरस्थ निरीक्षण क्षेत्रात लहान रोबॉट्सचे नवीन अनुप्रयोग करायला वाव मिळेल.