作者:CV_Community
来源:计算机视觉社区:计算机视觉社区:计算机视觉社区:
本文在传统机器视觉的基础上讨论了单目测距。深度学习直接估计深度图不属于这个话题,主要是通过mobileye相信离实际工程应用还有很长的路要走。
以前提到过单目测距的问题,检测到的障碍物2-D框架加上相机的姿势和路面假设。具体算法如下:
注:深度学习直接估计深度图不属于这个问题。
1、Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy
着名的Mobileye先看成像几何图:
本车A,前方车B和C,相机P焦距f,高度H,和障碍物B/C距离Z1/Z2,B/C图像投影是检测框的位置y1/y2。那么y=fH/Z,所以Z=fH/y。以下是三个不同距离的估计结果:
精度测量:90米误差约10%, 44米误差约为5%。
2、Integrated Vehicle and Lane Detection with Distance Estimation
算法流程如下:
先从三个消失点估计摄像头焦距,再从六个消失点估计摄像头焦距D-3D对应点获得摄像头姿态:
假设基于车道宽度(3).75米),可计算投影矩阵,然后得到距离公式:
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
基于消失点原理和水平线,可以获得道路场景的几何关系。
消失点和pitch angle的关系:
从消失点得到pitch angle:
4、RobustRange Estimation with a MonocularCamera for Vision-Based Forward Collision Warning System
如果辆宽度已知,则车距为d=FW/w。
如上图所示,距离可计算为:
整个FCW系统流程图如下:
它给出了虚拟水平线的概念来估计它的位置,Hc摄像头高度,Yb是车框底部的垂直位置。然后计算车辆距离:
5、Robust Vehicle Detection and Distance Estimation Under Challenging Lighting Conditions
碰撞报警需要估计安全距离。以下几何关系可以给出估计距离的公式:
距离公式为
下图是IPM鸟瞰显示距离:
6、Pitch Angle Estimation Using a Vehicle Mounted Monocular Camera for Vehicle Target Range Measurement
计算特征点运动,从而获得自己的摄像头运动,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几何关系推理距离:
看看下面的关系。pitch angle:
角度计算公式为
7、Forward Collision Warning with a Single Camera
time to contact (TTC) 流程图直接从车辆的大小和位置获得:
计算公式:
碰撞的可能性可以通过车框的位置和光流大小来确定:
这主要是通过简单的几何关系,直接估计道路上的车辆距离,并给出可能的冲击时间。现在深度学习越来越强大,理论上,汽车检测框架也可以回到汽车的距离。
本文仅进行学术分享。如有侵权行为,请联系删除。
在「计算机视觉车间」公众号后台回复:,您可以下载深度学习算法3D深度学习、深度学习框架、目标测试,GAN相关内容近30本pdf书籍。
在「计算机视觉车间」微信官方账号后台回复:,下载计算机视觉相关17本pdf书籍包括计算机视觉算法,Python视觉实战、Opencv3.0学习等。
在「计算机视觉车间」微信官方账号后台回复:,独家下载即可SLAM相关视频课程包括视觉SLAM、激光SLAM精品课程。
扫码添加小助手微信,可申请添加3D视觉研讨会-学术论文写作和提交目的是微信交流群
也可以申请加入我们的细分交流群。目前主要有、、、、、等待微信群,请扫描以下微信号加群,备注:研究方向 学校/公司 昵称,如:3D视觉 上海交大 安静。请按格式备注,否则不予通过。添加成功后,将根据研究方向邀请相关微信群。
▲长按加微信群或投稿
▲长按关注公众号
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈子里有高质量的教程资料,回答问题,帮助你有效地解决问题