Estimación de Profundidad Monocular (MiDaS) — App híbrida PDI + DL

Aplicación CLI para estimar profundidad monocular en tiempo real y por lotes, basada en MiDaS (Intel‑ISL) e integrada con técnicas de Procesamiento Digital de Imágenes (PDI): normalización robusta por percentiles, filtro bilateral (preserva bordes) y suavizado temporal EMA para video.
Funciona con webcam, videos MP4 o carpetas de imágenes, y autodetecta CUDA/MPS/CPU. Incluye salida a MP4 y artefactos reproducibles (PNG 16‑bit, .npy y log CSV).

---

✨ Características

• Entradas: webcam, video, images (carpeta).
• Modelos MiDaS: DPT_Large, DPT_Hybrid, MiDaS_small (aplica la transform adecuada por modelo).
• Hardware: --device auto|cuda|mps|cpu + FP16 opcional en CUDA.
• PDI: normalización por percentiles (p2–p98), bilateral opcional, EMA para reducir flicker en video.
• Visualización: RGB | Depth (colormap MAGMA) + FPS.
• Salidas: .npy (float32 crudo), PNG 16‑bit normalizado, PNG coloreado y MP4 (para video y webcam con --record-webcam).
• Grabación webcam: --record-webcam graba MP4 del stream de webcam (FPS configurable con --webcam-fps).
• Organización de salidas: --use-model-subdir crea outputs/<MODELO>/; --output-subdir añade outputs/.../<SUBDIR>/.
• Usabilidad: salir con teclas q/x/ESC o cerrando la ventana con “X”.
• Logs: outputs/log.csv con parámetros y FPS por cuadro.

---

🧱 Requisitos

• Python 3.9+
• Dependencias mínimas:

  pip install torch opencv-python numpy
  

Para GPU CUDA/MPS instala PyTorch acorde a tu plataforma (CUDA/cuDNN o Apple Silicon).

---

🚀 Uso rápido

El script principal es midas_depth_app.py.

Webcam (demo en vivo)

python midas_depth_app.py --source webcam --backend avfoundation \
  --model DPT_Hybrid --bilateral --save-every-n 60 --save-color --save-depth16

• Cerrar: q, x, ESC o botón “X”.

Webcam (grabando MP4)

python midas_depth_app.py --source webcam --backend avfoundation \
  --model DPT_Hybrid --record-webcam --webcam-fps 25 \
  --bilateral --save-every-n 60 --save-color --save-depth16
# genera: outputs/webcam_depth_colored.mp4 (o dentro de las subcarpetas configuradas)

Video → exportar MP4 con profundidad

python midas_depth_app.py --source video --path ./samples/entrada.mp4 \
  --save-video --save-every-n 30 --save-color --save-depth16
# genera: outputs/depth_colored.mp4

Carpeta de imágenes (batch, sin ventanas)

python midas_depth_app.py --source images --path ./images \
  --no-display --save-raw --save-depth16 --save-color

Opcionales útiles

# Forzar CUDA + FP16 y mayor tamaño de entrada
python midas_depth_app.py --device cuda --fp16 --size 640 --source video \
  --path ./samples/entrada.mp4 --save-video

# Guardar dentro de una subcarpeta por modelo (p. ej., outputs/DPT_Large/...)
python midas_depth_app.py --source images --path ./images \
  --model DPT_Large --use-model-subdir --save-color --save-depth16

# Guardar dentro de una subcarpeta personalizada (p. ej., outputs/kitti_eval/...)
python midas_depth_app.py --source video --path ./samples/entrada.mp4 \
  --save-video --output-subdir kitti_eval

---

⚙️ Parámetros (CLI)

---

🧪 Pipeline y arquitectura

1. Lectura (webcam/video/imagen)
2. Prepro: letterbox al tamaño objetivo
3. Inferencia MiDaS (usa dpt_transform o small_transform según modelo)
4. Reescalado del mapa a la resolución original
5. Normalización robusta (percentiles p2–p98)
6. PDI: filtro bilateral (opcional)
7. EMA temporal (video)
8. Colorización (MAGMA) y visualización con FPS
9. Guardado: .npy, PNG 16‑bit, PNG coloreado y MP4 (video)
10. Log CSV con metadata de ejecución

---

📂 Estructura mínima

.
├── midas_depth_app.py
├── outputs/
│   ├── depth_colored.mp4
│   ├── *_depth16.png
│   ├── *_depth_color.png
│   ├── *_depth.npy
│   └── log.csv
└── samples/ (opcional)

Con subcarpetas opcionales

outputs/
└── DPT_Large/              # --use-model-subdir
    └── demo_sala/          # --output-subdir demo_sala
        ├── depth_colored.mp4
        ├── *_depth16.png
        ├── *_depth_color.png
        ├── *_depth.npy
        └── log.csv

---

📈 Evaluación

Si se dispone de ground truth (p. ej. KITTI), añade un eval_depth.py para calcular AbsRel, RMSE, log10, δ<1.25/1.25²/1.25³.
Si no hay GT, entrega comparativas visuales (mosaicos input|depth, PNG 16‑bit) y FPS.

---

🧩 Próximos desarrollos

• Soporte adicional: Depth Anything V2 (relativa/métrica), ZoeDepth (métrica).
• Métricas cualitativas de bordes (iBims‑1‑like).

---

🙏 Créditos

• MiDaS / DPT — Intel Intelligent Systems Lab (ISL).
• Este proyecto integra PDI + DL y usa pesos/modelos distribuidos por sus autores.

---

© Licencia

• MIT License

---

🐞 Troubleshooting

• No abre la webcam: prueba --backend avfoundation (mac), --backend dshow (Windows) o --backend v4l2 (Linux) y revisa --cam-index.
• Bajo FPS: usa --model MiDaS_small o DPT_Hybrid, reduce --size, habilita --fp16 en CUDA.
• Parpadeo en profundidad: deja activado --ema-alpha 0.85 y usa --bilateral.
• Ventana no cierra: usa q/x/ESC o el botón “X”.

🔗 Referencias

• https://github.com/isl-org/MiDaS
• https://learnopencv.com/depth-anything/
• https://medium.com/@patriciogv/the-state-of-the-art-of-depth-estimation-from-single-images-9e245d51a315
• https://github.com/DepthAnything/Depth-Anything-V2
• https://huggingface.co/spaces/depth-anything/Depth-Anything-V2
• https://viso.ai/computer-vision/monocular-depth-estimation/
• ...