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
出门吃三碗饭7 小时前
CARLA: 如何在 CARLA 中回放自动驾驶场景
人工智能·机器学习·自动驾驶
@BangBang1 天前
Hyper-Diffusion-Planner(1): 论文解读
自动驾驶·ppo
高工智能汽车1 天前
前沿之声 | 塑造自动驾驶体验的半导体技术
人工智能·机器学习·自动驾驶
春日见1 天前
端到端自动驾驶技术路线(E2E)
人工智能·机器学习·docker·架构·机器人·自动驾驶·汽车
hjs_deeplearning1 天前
文献阅读篇#18:端到端自动驾驶:从经典范式到大模型赋能——综合综述
人工智能·机器学习·自动驾驶
春日见1 天前
UniAD的逻辑,与传统自动驾驶的差异
人工智能·windows·git·机器学习·docker·容器·自动驾驶
春日见1 天前
端到端自动驾驶综述
linux·人工智能·算法·机器学习·自动驾驶
ywfwyht1 天前
nvidia/PhysicalAI-Autonomous-Vehicles数据集
人工智能·自动驾驶