ADAS---基于检测框的单目测距方法

1.1.模型求解法方法解读:

Yolo模型可以输出被检测物体的置信度、类别及检测框的中心点坐标*(* x c , y c) 及宽高*(w,h)*等信息,选取车辆检测框底部的中点作为距离测量的特征点,其计算公式如下:

车辆测距示意图如下:

图中,为相机靶面中心点,为相机光心,车载相机安装高度为 H,焦距为 f,俯仰角为β,为 γ,点与光轴投影的夹角为点到点的水平距离,点与图像中心点的垂直距离,为被检测物体参考平面的高度。

计算公式为:

横向距离设为X

模型求解法需要测量相机外参,即

1.2.相似三角形测距之高度估计:

为目标实际高度,通常根据查阅给出经验值,为目标检测框高度,为相机到实际目标的距离,为等效焦距,由实际焦距除以像元尺寸得出。

相似三角形测距,需要提前预设测距目标的实际宽高。

相关推荐
智算菩萨12 小时前
《自动驾驶与大模型融合新趋势:端到端感知-决策一体化架构分析》
人工智能·架构·自动驾驶
极智视界12 小时前
目标检测数据集 - 自动驾驶场景驾驶员注意力不集中检测数据集下载
人工智能·目标检测·自动驾驶
i***586714 小时前
自动驾驶---E2E架构演进
人工智能·架构·自动驾驶
Mr.Winter`16 小时前
深度强化学习 | 基于PPO算法的移动机器人路径跟踪(附Pytorch实现)
人工智能·pytorch·深度学习·机器学习·机器人·自动驾驶·ros
数据与后端架构提升之路2 天前
感知模块详解:从 OpenCV/YOLO 脚本到 多模态多任务 BEV 架构
人工智能·机器学习·自动驾驶
数据与后端架构提升之路2 天前
自动驾驶仿真数据闭环:如何利用大数据构建“上帝视角”的虚拟矩阵?(硬核指南)
大数据·矩阵·自动驾驶
地平线开发者2 天前
征程 6 | linear 高精度输出配置方式
算法·自动驾驶
地平线开发者2 天前
征程 6 | QAT 新版 qconfig 量化模板使用教程
算法·自动驾驶
数据与后端架构提升之路3 天前
Map-World:用“填空”与“路径积分”重构自动驾驶规划范式
人工智能·自动驾驶·世界模型·锚点预测
绿蕉3 天前
高精地图:自动驾驶的“数字神经网络“
自动驾驶·高精地图