单镜头视觉系统检测车辆的测距方法

小白学视觉

共 1579字,需浏览 4分钟

 ·

2021-08-05 23:37



关于单目测距的问题,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

基于视觉的单摄像机ACC: 范围和范围速率精度的界限

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

车辆和车道综合检测与距离估计

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

城市自主驾驶中使用单摄像机分析地面车辆运动

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

基于视觉的前方碰撞预警系统单摄像机距离估计
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

不良光照条件下车辆检测与距离估计


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

利用车载单摄像机进行目标车辆距离估计

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

单摄像头前方碰撞警告

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。

下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 27
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报