单目视觉系统检测车辆的测距方法

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：  

      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：  

      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：     4、Robust Range Estimation with a Monocular Camera for Vision-Based Forward Collision Warning System  

  如果车辆宽度已知，那么车距为d=FW/w。

  如上图，可以计算距离为：

整个FCW系统流程图如下：

  给了一个虚拟水平线的概念，估计它的位置 ，Hc为摄像头高度，Yb是车辆框底部的垂直位置。然后可以计算出车辆距离：   5、Robust Vehicle Detection and Distance Estimation Under Challenging Lighting Conditions

  碰撞报警需要估算安全距离。下图几何关系能给出估计距离的公式：

  距离公式为  

  下图是IPM的鸟瞰图展示距离：  

  6、Pitch Angle Estimation Using a Vehicle Mounted Monocular Camera for Vehicle Target Range Measurement  

  计算特征点运动，由此得到自身摄像头运动，从其平移向量推出pitch angle。  

  上图可以计算出前方车的距离： 整个系统流程图如下：  

  下面就是从SFM的几何关系推理距离：

  看下面的关系可以得到pitch angle：  

  角度计算公式为

  7、Forward Collision Warning with a Single Camera  

  time to contact (TTC) 直接从车辆的大小和位置得到，下面是流程图：  

  计算公式：

  车边框的位置以及光流大小可以确定碰撞的可能性：  

  这里主要是通过简单的几何关系，直接估算检测的路上车辆距离并给出可能的撞击时间。现在深度学习越来越强大，理论上得到车检测边框的同时，也可以回归车的距离。

审核编辑：黄飞