单目测距在自动驾驶中的核心要素有哪些？

单目测距几个关键点

一．畸变矫正

相机镜头畸变矫正–>获取相机的内外参数、畸变参数矩阵

外参数矩阵。世界坐标系中的点经过旋转与平移变换后，映射至摄像机坐标系中的对应位置。

内参数矩阵。该矩阵描述了上述点在经过摄像机镜头及针孔成像原理后，最终如何被转化为图像上的像素点。

畸变矩阵。该矩阵解释了为何实际像素点与理论计算位置存在偏差，并导致一定的形变。

二．测距步骤：

通过摄像机获取前方道路区域的图像信息；

在图像中检测道路区域内的目标物体，并用矩形框标记其轮廓形状。

基于所检测到的矩形框信息，确定其底边对应的两个像平面坐标点，分别记为（u1，v1）和（u2，v2）；（opencv提供函数可直接输出矩形框的像素坐标）

运用几何关系推导方法，根据像平面坐标（u1, v1）、（u2, v2），进一步推算出对应的地面平面坐标（x1,y1）、（x2, y2）；（投影至地平面时，z轴设为0）

利用欧氏距离公式计算得出距离d。

三．依据相似三角形的比例关系计算对应像素点的实际坐标

此方法对摄像机标定过程有较高要求，并且对镜头本身的畸变控制也较为严格。然而总体而言，这种方法具备较强的可移植性与实用价值。其核心思想仍然基于小孔成像的基本模型。

![在这里插入图片描述