单目视觉系统检测车辆的测距方法（Mobileye单目测距等7种方法）

作者：CV_Community

来源：计算机视觉社区

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：

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。

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「计算机视觉工坊」公众号后台回复：深度学习，即可下载深度学习算法、3D深度学习、深度学习框架、目标检测、GAN等相关内容近30本pdf书籍。

下载2

在「计算机视觉工坊」公众号后台回复：计算机视觉，即可下载计算机视觉相关17本pdf书籍，包含计算机视觉算法、Python视觉实战、Opencv3.0学习等。

下载3

在「计算机视觉工坊」公众号后台回复：SLAM，即可下载独家SLAM相关视频课程，包含视觉SLAM、激光SLAM精品课程。