第五弹-yolov5模型 距离估算，速度估算

• 这是对第三弹应用的再次升级
• 实现了对距离的估算和速度的估算，注意了是估算
• 理论上是距离是可以准确测量的(误差5%)，速度也是可以大致估算出来
• 但是前提是要满足一些前提条件，比如卡口摄像单元的内参，外参，识别模型的识别框稳定性等

• 首先先贴出效果图，可以明显看到车辆和高速高架拍摄点之间距离和车辆的速度估算值
• 注意由于未知卡口摄像单元的内外参，以及高度，所以图示结果与实际是有出入的

• 距离的测算实际是三个坐标系的互换
  • 图像坐标系与相机坐标系
  • 相机坐标系与世界坐标系
  • 具体可参照下图，引用于网络

• 通过矩阵相乘两个坐标系转换矩阵 ，从而将图像坐标系转换到世界坐标系，进而得到距离distance
• 而测量速度，有很多种方式，原理都是距离/时差 等于速度，不同点在于怎么测量距离变化
• 可以用稠密光流法，cv就有对应的库，但本单元使用的是差帧算法，光流法其实也可以算差帧算法
• 本章是用不同帧段测量到的distance做一个平均滤波再来 求速度 ，效果如上gif，可见还是有些波动的，后期可做改进
• 当然各位老师有更好更稳定的方法也还望能在下方评论区 多多交流，感谢

• 根据道路交通智能摄像机通用技术要求- T/CITSA 02-2020
  • 识别类要求 现有现成模型都能实现
  • 再结合深城交发布的宣传视频，这五弹基本能实现对标功能
• 当然在模型精度上，并没有做单独训练，所以识别精度有很大提升空间