以下
文
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
后
台作删文处理
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:
1、
Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy
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
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:
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。
4、Robust Range Estimation with a Monocular Camera for Vision-Based Forward Collision Warning System
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:
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。