专栏名称: 新机器视觉
最前沿的机器视觉与计算机视觉技术
目录
相关文章推荐
程序员小灰  ·  DeepSeek让我的朋友一夜暴富! ·  4 天前  
程序员小灰  ·  DeepSeek + IDEA!辅助编程太强了! ·  2 天前  
程序员的那些事  ·  趣图:“微软穷疯了?上架的 ... ·  4 天前  
OSC开源社区  ·  Gitee邀您参与SBOM行业调研:共建可信 ... ·  6 天前  
51好读  ›  专栏  ›  新机器视觉

单目视觉系统,检测车辆的7种测距方法汇总

新机器视觉  · 公众号  ·  · 2025-01-23 16:12

正文

以下 章来源于微信公众号: OpenCV与AI深度学习

作者: CV_Community

链接:https://mp.weixin.qq.com/s/KlwV3K5pAVi-dhLR0iI2rw

本文仅用于学术分享,如有侵权,请联系 台作删文处理

导读
本文聚焦传统机器视觉单目测距技术,以Mobileye论文为例,深入剖析不依赖深度学习的测距算法,基于成像几何、摄像头姿态及路面假设,通过数学推导与实验验证实现精确测距,为自动驾驶安全提供有力保障。
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:






请到「今天看啥」查看全文