> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/function-blocks/ai-blocks/depth-estimation-depthany-v2.md).

# Depth Estimation (DepthAny. V2)

Dieser Funktionsblock schätzt die pro-Pixel-Tiefe aus einem einzelnen RGB/BGR-Bild und erzeugt sowohl eine farbige Visualisierung als auch eine normalisierte Graustufen-Tiefenkarte. Er ist nützlich für abstandsbasierte Analysen, Szenenverständnis und zur Ergänzung von Erkennungs-Pipelines mit Tiefeninformationen.

## 📥 Eingänge

`Image` — Ein RGB/BGR-Bild, aus dem die Tiefe geschätzt werden soll.

## 📤 Ausgänge

`Depth Vis` — Farbige Visualisierung der geschätzten Tiefe (nützlich zur schnellen Inspektion).\
`Depth Map` — Normalisierte Graustufen-Tiefenkarte (0–255), die von anderen Blöcken für Messungen oder Maskierung verwendet werden kann.

## 🕹️ Steuerungen

`Model Size` — Auswahl des Qualitäts-/Geschwindigkeits-Kompromisses des Modells. Typische Optionen: Small, Base, Large.\
`Max Size` — Maximale Bilddimension, die während der Verarbeitung verwendet wird (größere Werte liefern mehr Details, erhöhen jedoch Verarbeitungszeit und Speicherbedarf).

## 🎨 Funktionen

* Erzeugt sowohl eine visuell verständliche, farbige Tiefendarstellung als auch eine numerische Tiefenkarte zur weiteren Verarbeitung.
* Bietet wählbare Modellgrößen zur Balance zwischen Geschwindigkeit und Genauigkeit.
* Anpassbare Verarbeitungsgröße zur Steuerung von Speicherverbrauch und Bildrate auf unterschiedlichen Geräten.
* Funktioniert mit jedem bildliefernden Block als Eingabe (z. B. Kameras, Dateien, Streams).

## ⚙️ Ausführung

Beim Ausführen verarbeitet der Block das zuletzt bereitgestellte Bild am Eingang `Image` und liefert auf `Depth Vis` eine visuelle Tiefenkarte sowie auf `Depth Map` eine normalisierte Graustufen-Tiefenkarte. Änderungen an `Model Size` oder das Reduzieren von `Max Size` beeinflussen Geschwindigkeit und Speicherbedarf; wählen Sie ein kleineres Modell oder einen kleineren `Max Size`-Wert für schnellere Ausführung auf leistungsschwacher Hardware.

## 📝 Nutzungshinweise

1. Speisen Sie eine Bildquelle (Kamera oder Datei) in den Eingang `Image`.
2. Wählen Sie eine passende `Model Size` je nach verfügbaren Ressourcen und gewünschter Genauigkeit.
3. Passen Sie `Max Size` an, um die Verarbeitungsauflösung zu begrenzen; niedrigere Werte erhöhen die Geschwindigkeit.
4. Nutzen Sie `Depth Vis` für schnelle visuelle Kontrollen und `Depth Map` für programmgesteuerte Aufgaben.

## 💡 Tipps und Tricks

* Verwenden Sie `Image Resizer` vor diesem Block, wenn Ihr Eingangsbild sehr groß ist, um Speicherbedarf zu reduzieren und den Durchsatz zu erhöhen.
* Zur schnellen visuellen Prüfung `Depth Vis` an `Show Image` anschließen.
* Speichern Sie Ausgaben mit `Image Logger` oder `Image Write`, wenn Sie Aufzeichnungen von Tiefenkarten oder Visualisierungen für die Offline-Analyse benötigen.
* Konzentrieren Sie die Verarbeitung auf eine Region of Interest mit `Image ROI`, um die Schätzung zu beschleunigen und unnötige Berechnungen zu vermeiden.
* Kombinieren Sie mit `Get Pixel`, um Tiefenwerte an den Mittelpunkten erkannter Objekte abzutasten (z. B. Tiefe an den Koordinaten eines erkannten Objekts lesen).
* Führen Sie Objekterkennung wie `Object Detection (D-FINE)` oder `Object Detection - Custom` auf dem RGB-Bild aus und nutzen Sie anschließend `Depth Map`, um Erkennungen nach Entfernung (nahe vs. fern) zu filtern oder zu sortieren.
* Für Messaufgaben koppeln Sie `Measure Position Distance` (verwenden Sie Positionen aus Erkennungen oder ROI-Tools) mit Tiefenmessungen aus `Depth Map`, um relative Abstände robuster abzuschätzen.

## 🛠️ Fehlersuche

* Wenn die Verarbeitung zu langsam ist oder die Oberfläche träge reagiert, wählen Sie eine kleinere `Model Size` oder reduzieren Sie `Max Size`.
* Wenn die Tiefenvisualisierung sehr verrauscht wirkt, probieren Sie Vorverarbeitungsschritte wie `Denoising` oder `Blur` oder verwenden Sie `Image Resizer`, um auf angemessene Verarbeitungsdimensionen zu kommen.
* Wenn Ergebnisse zwischen Frames inkonsistent erscheinen, sorgen Sie für gleichmäßige Beleuchtung und verbessern Sie ggf. Bildqualität (bessere Belichtung, höhere Auflösung) oder nutzen Sie `Image Logger`, um problematische Frames zu untersuchen.
* Falls Sie die höherwertigen Modelle nicht auf Ihrer Maschine laden können, verwenden Sie `Small` oder `Base` für zuverlässige Performance.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/german/function-blocks/ai-blocks/depth-estimation-depthany-v2.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.