应用背景

    随着科技的迅猛发展，人工智能概念也逐渐进入人们的视野，其中包括智能家居、智能驾驶以及其他智能机器人领域等。很多对智能驾驶感兴趣的朋友都知道，无人驾驶的技术可以分为感知、认知和控制三大模块。这个顺序也正是智能汽车运作的一个过程，首先需要对环境进行准确的感知，然后对信息进行处理，最后向汽车的控制系统发出指令，实现具体的功能。

    在智能驾驶系统中，尤其重要的就是感知与认知，感知的准确是认知的基础，在感知模块当中，传感器是最重要的硬件。目前的传感器也有许多种类，包括红外避障、超声雷达等器件，除此之外，摄像头也是必不可少的。基于计算机视觉技术的车载摄像头能够对环境中的很多物体进行感知，随着计算机视觉的发展，摄像头将代替传统的雷达等传感器的作用。目前的智能驾驶领域中，所应用的摄像头主要有单目摄像头和双目摄像头两类。三目的摄像头目前也在研发当中。

    传统的单目摄像头

    在智能驾驶系统中，传统单目摄像头需要对目标进行识别，也就是说在测距前先识别障碍物是车、是人还是别的什么，需要在此基础上再进行测距。由于单目摄像头方案很大程度上是依靠图像识别，也就是把采集到的信息与标定信息进行比对、识别，所以需要依靠大量的数据训练，并且需要不断更新和维护，而且针对一些特殊地区特殊情况，还需要不断优化。例如内蒙古大草原上经常有牛羊横穿公路，那你就需要更新数据，让机器知道这是牛，那是羊，而且数据收集、标签的难度确实有些大。

    双目摄像头

    为了进一步优化并增强摄像头的作用，利用两个平行布置的摄像头形成一个双目摄像头。双目摄像头测距更像一个数学问题，主要是依靠两个平行布置的摄像头产生的视差。把同一个物体所有的点都找到，依赖精确的三角测距，就能够算出摄像头与前方障碍物距离。使用这种方案，需要两个摄像头有较高的同步率和采样率，说起来简单，做起来并不容易，特别是对于驾车场景来说。双目摄像头方案，本质上是对距离的探测。通过双目实时深度计算，可以计算出视野内障碍物每个点到摄像头的距离，然后可以快速划分出障碍物平面。如此一来，数据训练就显得不是那么重要了（相对于单目来说）。