概述
ADAS功能开发中，许多的功能（LKA、ACC、AEB、TLR和PD/VD等）在完成检测识别任务后，通常需要进行距离的计算，这就需要对目标物的准确识别，这是进行测距的第一步，也是很重要的前提条件，如果无法针对目标物进行准确地识别，也就无法准确地估计这些目标物的距离。目前，基于视觉和雷达测距是目前用的最多的方法，笔者通过最近的学习，整理了几种基于视觉的测距模型。（请批评指正！）
1、高度三角形测距（单目）
此测距模型可以使用消失点和图像中心进行计算，也可以采用图像的下边沿和图像中心进行计算，两种方法的计算过程和原理大致相同。由于模组的感光芯片和镜头安装时会出现误差，光轴会出现偏移，并且图像会有不同程度的畸变，为了减小误差，可以事先进行模组标定（根据需要）。
另外，此测距模型使用于在地面上的目标物，例如，汽车、行人等。
（1）使用消失点和图像中心进行计算
点C为图像中心，B为目标物下边沿中点，B’和C‘是点B和点C在图像投影面上的投影，fp为消失点，故可以得到以下关系：
γ = a r c t a n ( ( x − x 0 ) / f ) ) \gamma=arctan((x-x0)/f)) γ=arctan((x−x0)/f))
β = a r c t a n ( ( x e − x 0 ) / f ) \beta=arctan((xe-x0)/f) β=arctan((xe−x0)/f)
α = β − γ \alpha=β - γ α=β−γ
故：
D = H / t a n ( β − γ ) \ D = H/tan(β - γ) D=H/tan(β−γ)
（2）使用消失点和图像下边沿点进行计算
点C为图像中心，B为目标物下边沿中点，E为图像下边沿的点（需要实际测量出摄像头距离图像下边沿的距离d），B’、C‘和E‘是点B、点C和点E在图像投影面上的投影。（计算方式参考上文）
2、时差三角形测距模型（单目）
此测距模型所使用的方法：根据目标物尺寸在图像中的变化率，直接估算摄像头到目标物的距离，目标物可以是移动的，也可以是静止的；例如交通限速牌和红绿灯这类固定的目标物，当目标物为车辆时，可以根据车辆尺寸在图像中的变换率，估算TTC（碰撞时间）。
设ds为图像中目标物宽度的相对变化率，w为图像中目标宽度（pixel），则：
d s = w 2 − w 1 w 1 = w 2 w 1 − 1 \ d_s = \frac {w_2 - w_1 }{w_1}=\frac{w_2}{w_1}-1 ds=
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
