本文还是在传统机器视觉的基础上讨论单目测距，深度学习直接估计深度图不属于这个议题，主要通过mobileye的论文管中窥豹，相信离实际工程应用还有很远。

以前提过单目测距的问题，检测的障碍物2-D框加上摄像头的姿态和路面假设。以下根据公开发布的论文讨论具体的算法：

注：深度学习直接估计深度图不属于这个议题。

1、Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy

著名的Mobileye论文，先看成像几何如图：

本车A，前方车B和C，摄像头P焦距f，高度H，和障碍物B/C距离Z1/Z2，B/C检测框着地点在图像的投影是y1/y2。那么y=fH/Z，所以Z=fH/y。下面是三个不同距离的估计结果：

精度测量得到：90米误差大约10%, 44米误差约为5%。

2、Integrated Vehicle and Lane Detection with Distance Estimation

算法流程如下：

先是从3个消失点估算摄像头焦距，然后6个2D-3D对应点得到摄像头姿态：

基于车道宽度的假设（3.75米），可以算出投影矩阵，随之得到距离公式：

下图是一些结果：

3、Use of a Monocular Camera to Analyze a Ground Vehicle’s Lateral Movements for Reliable Autonomous City Driving

还是基于消失点原理，加上水平线，可得到道路场景几何关系。

消失点和pitch angle的关系：

从消失点得到pitch angle：

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们