php网站开发招聘需求分析,芜湖网站建设价格,贵阳建站推广公司,奢侈品牌单目测距那些事儿(上) | 从MobileEye谈起
全面专业的自动驾驶学习资料:链接
前言
在ADAS领域#xff0c;有个功能叫自适应巡航控制(Adaptive Cruise Control, ACC)。 ACC是一种纵向距离控制#xff0c;具体包括发现目标车辆、判断目标车辆所在路径、测量相对本车的距离和速…单目测距那些事儿(上) | 从MobileEye谈起
全面专业的自动驾驶学习资料:链接
前言
在ADAS领域有个功能叫自适应巡航控制(Adaptive Cruise Control, ACC)。 ACC是一种纵向距离控制具体包括发现目标车辆、判断目标车辆所在路径、测量相对本车的距离和速度然后进行相应的刹车等制动操作以保持安全驾驶距离。当没有发现目标车辆时则保持预设的巡航速度。
对于测距而言最直接的方法是采用毫米波雷达、激光雷达和双目相机。但是考虑到设备成本和计算成本人们开始考虑能不能用单目相机来做距离控制。当然这种考虑不是空穴来风的而是有两个直观的动机 生物视觉角度一方面人类双眼虽然有立体测距功能但仅在近距离比较准确无法准确测量百米距离另一方面基于近大远小的原理人类视觉就可以准确评估TTC Time To Collision。换句话说在ACC中测距可能不用太准而近大远小的原理用单目也可实现那单目测距还是很有希望的嘛 实践角度雷达太贵立体视觉不仅增加额外相机而且计算量大标定也是个问题。单目相机则成本很低易于批量生产。
当然挑战也是有的主要两个 由于缺乏用于目标识别的深度信息非常依赖基于模式识别的目标检测算法那么当前的目标检测算法是否足够鲁棒目标识别不出来就没法测距后果很危险。 目标检测出来后利用透视法则和近大远小原理测距能否满足制动控制精度。
下面就先介绍MobileEye在2003年一篇论文主要介绍了测量距离、相对速度的基本方法以及误差分析。
2. MoibleEye 2003年的论文
论文Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy
2.1 测距
首先明确一点对于单目测距我们主要是有两个信息可以利用图像中车辆的尺寸图像中车辆的位置。
而这篇论文主要是利用图像中车辆位置进行测距的确切地说是利用车与路面的接触点。如下图A,B,C三辆车在路面上A车上p处有个相机。有两个假设 道路是平面。 相机光轴与路面平行。 道路上与本车A距离为Z的一点投影到图像上高度为y。f为焦距H为相机高度则满足 为了测距首先需要检测前车与路面的接触点然后就可以计算距离了 也就是根据焦距、相机高度图像中接触点位置三个量即可计算距离。 当然在现实中上述两个假设常常不满足会造成很大的误差。另外接地点的估计也会引入误差。 2.2 测距误差分析
如果接地点存在n个像素误差那么测距误差公式为 所以测距误差是随着距离而二次方地增长而误差比例则随着距离线性增长。
在640x480分辨率的图像上90m的测距误差比例为10%左右45m的测距误差比例为5%左右。
除了距离相对速度或许更重要因为它告诉我们是否在保持一个恒定的距离。
2.3 相对速度
相对速度range rate, or relative velocity可以如下表示 也就是测量两个时间的距离用距离差除以时间差。但是测距结果充满噪声这样算出来的相对速度精度自然不高。所以这里主要使用目标尺寸变化计算相对速度。令W是车辆实际宽度w和w’是前后两张图像上的车辆宽度那么满足 7式可以参考下图 然后 也就是根据t1时刻距离t1和t2的检测尺寸就可计算出相对速度。
2.4 相对速度误差分析
这一部分公式比较复杂就不详细展开了。说几个结论 相对速度误差与相对速度是独立的。 相对速度随着距离二次方增长。 时间间隔越大相对速度越准。 相机视场角小焦距大会线性减小误差。
3 后记
一句话总结下ME的方法用目标在图像中的位置测距用目标尺寸变化来计算相对速度。 简单明了实在是高 正所谓单目测距不是梦无数豪杰往前冲。回首漫漫发展路MobileEye启征程。 但是上述方法基于两个很强的假设在实际应用中存在很大问题主要两点 相机光轴很难总是和路面平行的一是安装固定有难度二是车辆行驶中难免颠簸相机角度肯定存在起伏。 - 道路不是一直平坦的很多道路存在坡度这时候又该怎么办呢
其实也有不少论文针对上述问题做出了探索我将在**单目测距那些事儿(下)**中对相关方法进行梳理敬请期待
全面专业的自动驾驶学习资料:链接
