论文四连读（4）交通监控视频中的无内参测速方法 Automatic Camera Calibration for Traffic Understanding

系列的最后一篇，其实除了测速还有很多别的应用，主要讲一下测速是怎么做的。
之前三篇文章，就是为了说从一个裸视频中，如何恢复出相机的内参。这篇文章继续往下讲，有了三个消失点，有了相机内参，如何进行实际的一些应用，比如测速，测距，地平面标定等。主要讲一下测速，其他的应用都是万变不离其宗，测速还是比较巧妙的。
论文链接在这里。
下面就介绍论文给出的测速的步骤：

1、一些前面的基础

论文回顾了之前怎么去做相机标定，详细内容可以看系列的（3）

2、车辆检测

在有了相机内参，和消失点的基础上，第一个要考虑的就是车在哪。前面说到，没有任何参数的输入，因此车还需要自行检测。这里的方法有很多，包括faster-RCNN、mask-RCNN等经典的检测网络，但是这些网络大都是检测2DBbox的，实际的应用中，3DBbox才是最好的。文章给出了另一种似乎是更传统的方式，遵照一些之前的方法，可以直接检测出视频中行驶中的车辆的轮廓（猜测是利用光流的一些传统视觉方式，感兴趣的可以去读一下引用的几篇文章，在原文中引用的是第27和37篇文章）。检测出车辆的轮廓之后，文章给出了一个假设，那就是所有车都是沿着第一个消失点的方向行驶的。
ps：这个假设也有一定的道理，因为第一个消失点本来就是根据大部分车辆行驶的方向来投票得到的，但是对于复杂的交通路口，或者不是沿着第一个消失点行驶的车辆，下面介绍的文章中的bbox标注方式就不适用了。
有了车辆的轮廓，加上三个消失点，然后依次按照一定顺序，将消失点和轮廓线的最大坐标最小坐标连线，就可以连出车辆的3DBbox。过程很简单，下图可以看的很清楚：

论文给出的顺序，是ABCDEFGH八个点一次去连线，具体连哪个线，找哪个点，可以去看论文，很容易理解。

3、地平面的恢复

好了，万事俱备，就差测速。
我们现在有了相机内参，有了三个消失点，有了车辆的2DBbox，如何测速呢？所有的测速方法，都是追踪车辆，或者车辆的一个关键点，计算单位时间内在真实世界中移动的距离。这就需要我们知道真实世界中的距离，与实际相机坐标系之间的一个比例。
之前说过，没有任何内参外参，因此我们不知道相机距离地面的高度$h_{real}$，没法精确的恢复真实的地平面$P_{}$