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

在「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

在「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~