應用背景

    隨著科技的迅猛發展，人工智能概念也逐漸進入人們的視野，其中包括智能家居、智能駕駛以及其他智能機器人領域等。很多對智能駕駛感興趣的朋友都知道，無人駕駛的技術可以分為感知、認知和控制三大模塊。這個順序也正是智能汽車運作的一個過程，首先需要對環境進行準確的感知，然后對信息進行處理，最后向汽車的控制系統發出指令，實現具體的功能。

    在智能駕駛系統中，尤其重要的就是感知與認知，感知的準確是認知的基礎，在感知模塊當中，傳感器是最重要的硬件。目前的傳感器也有許多種類，包括紅外避障、超聲雷達等器件，除此之外，攝像頭也是必不可少的。基于計算機視覺技術的車載攝像頭能夠對環境中的很多物體進行感知，隨著計算機視覺的發展，攝像頭將代替傳統的雷達等傳感器的作用。目前的智能駕駛領域中，所應用的攝像頭主要有單目攝像頭和雙目攝像頭兩類。三目的攝像頭目前也在研發當中。

    傳統的單目攝像頭

    在智能駕駛系統中，傳統單目攝像頭需要對目標進行識別，也就是說在測距前先識別障礙物是車、是人還是別的什么，需要在此基礎上再進行測距。由于單目攝像頭方案很大程度上是依靠圖像識別，也就是把采集到的信息與標定信息進行比對、識別，所以需要依靠大量的數據訓練，并且需要不斷更新和維護，而且針對一些特殊地區特殊情況，還需要不斷優化。例如內蒙古大草原上經常有牛羊橫穿公路，那你就需要更新數據，讓機器知道這是牛，那是羊，而且數據收集、標簽的難度確實有些大。

    雙目攝像頭

    為了進一步優化并增強攝像頭的作用，利用兩個平行布置的攝像頭形成一個雙目攝像頭。雙目攝像頭測距更像一個數學問題，主要是依靠兩個平行布置的攝像頭產生的視差。把同一個物體所有的點都找到，依賴精確的三角測距，就能夠算出攝像頭與前方障礙物距離。使用這種方案，需要兩個攝像頭有較高的同步率和采樣率，說起來簡單，做起來并不容易，特別是對于駕車場景來說。雙目攝像頭方案，本質上是對距離的探測。通過雙目實時深度計算，可以計算出視野內障礙物每個點到攝像頭的距離，然后可以快速劃分出障礙物平面。如此一來，數據訓練就顯得不是那么重要了（相對于單目來說）。