1. 前言
随着自动驾驶的发展,现代汽车的智能化程度逐步提高,基于视觉系统的自动驾驶也逐步趋于稳定——特斯拉、Mobileye、CommaAI等机构起着推波助澜的作用。
自动驾驶场景或者Adas场景中,当检测出前方车辆后通常需要进行距离估计,为车辆控制提供距离参考信息;而基于视觉的移动机器人也存在该需求。单目摄像头光学图像测距具有低成本和计算快的优点,主要有两种常用的测距方式1。
- 使用目标物体大小和摄像头焦距
- 使用摄像头高度和俯仰角
本文将介绍第二种测距方式。
2. 几何关系示意图
该部分直接引用自参考文献2
投影关系图和投影平面2如下所示,
平面ABU代表路平面,ABCD为摄像头拍摄到的路平面上的梯形区域,O为摄像机O点为摄像机镜头中心点,OG为摄像机光轴,G 点为摄像机光轴和路平面的交点(同时也是视野梯形的对角线交点),I点为O点在路平面上的垂直投影。在路面坐标系中, 将G点定义为坐标系原点,,车辆前进方向定义为Y轴方向。
G、A、B、C、D 各点在图像平面内的对应点上图所示,a、b、c、d为像平面矩形的4个端点,H和W分别为像平面的高和宽。定义图像矩形的中点g为像平面坐标系的坐标原点,y 轴代表车辆前进方向。
取路面上一点P,其在路平面坐标系的坐标为(XP,YP),P点在图像平面内的对应点为p, 其在像平面坐标系的坐标为(xp,yp)。
3. 距离计算
3.1 参数
- 摄像头高度h
- 摄像头水平视场角2β0
- 摄像头垂直视场角2α0
- 摄像头俯仰角γ0
相关概念请参见博客:相机焦距与视场角
3.2 Y轴方向的成像模型2
摄像头光轴(OG)所在的与路面相垂直的平面为OEI。图中各字符与几何关系示意图中对应字符含义相同。直线ML与直线OG垂直,与直线fF的延长线相交于点L。点py表示像平面上的点p在直线ef上的投影(y轴方向),Py点是路面上的点P在视野纵向对称线上的投影,Z是直线pyPy与直线线ML的交点。
根据三角函数关系和相似三角形可得,
tanαtanα0MGZG=GOZG=GOMG=egpyg
所以,
tanα=egpyg∗tanα0=H/2pyg∗tanα0=H/2y∗tanα0
那么,
PyI=tan(90∘−α−γ0)OI=tan(90∘−α−γ0)h
注:计算角度α=arctan(H/2y∗tanα0)时,y为空间点在投影面上的y轴坐标,是有符号的,H为图像高度。
3.3 X轴方向的成像模型
Px为点P在X轴上的投影点,
在三角形ΔOPyL中,
tanα1=OPyPyP=OPy∣Xp∣=h2+PyI2∣Xp∣
根据P点成像的相似三角形可得,
OPytanβ0OPytanα1=W/2x
综上,
∣Xp∣=W/2h2+PyI2∗x∗tanβ0
x为空间点在投影面上的x轴坐标
4. Show me the code
代码很简单,后续补充上来。
Reference
-
Alizadeh, Peyman. Object distance measurement using a single camera for robotic applications. Diss. Laurentian University of Sudbury, 2015. ↩︎
-
郭磊, 徐友春, *, & 连小珉. (2006). 基于单目视觉的实时测距方法研究 (Doctoral dissertation). ↩︎ ↩︎