對單目來說物體越遠(yuǎn),，測距的精度越低,，硬件上的缺點可以通過算法去彌補(bǔ),，近日有兩篇關(guān)于單目視覺的研究論文曝光,，一篇是單目視頻的深度估計,，另一篇則是單目3d物體識別,，在數(shù)據(jù)集下測試都取得了不錯的效果,，我們熟悉的單目攝像頭可能一直被低估了,。

　　攝像頭是自動駕駛汽車中重要的傳感器之一,，在自動駕駛過程中的首要任務(wù)就是道路識別,，主要是圖像特征法和模型匹配法來進(jìn)行識別。行駛過程中需要進(jìn)行障礙物檢測和路標(biāo)路牌識別等,，此時車輛上的信息采集便可以運用單目視覺或者多目視覺,。

　　由于很多圖像算法的研究都是基于單目攝像機(jī)開發(fā)的，因此相對于其他類別的攝像機(jī),，單目攝像機(jī)的算法成熟度更高,。基于單目攝像頭可以用來定位,、目標(biāo)識別等,。但是相比多目，單目有著先天的缺陷,，視野信息不能夠豐富,，單目測距的精度也較低。

　　不過單目攝像頭的作用還未發(fā)揮到極致,，近日有兩篇關(guān)于單目視覺的研究,，讓眾多研究者驚艷，原來單目一樣可以有不錯的表現(xiàn),。

　　Paper1：Orthographic Feature Transform for Monocular 3D Object Detection

　　單目3d物體檢測是一件很有挑戰(zhàn)性的事情,，目前最先進(jìn)系統(tǒng)的成績也不及用激光雷達(dá)的1／10，劍橋大學(xué)的科學(xué)家利用單目視覺進(jìn)行3d物體識別,，通過引入正交特征變換,，使基于圖像的特征映射到正交3D空間，來避免形成圖像域,，可以全面地推斷出各個物體比例尺寸以及相隔的距離,。通過在KITTI數(shù)據(jù)集里測試，發(fā)現(xiàn)與前人的Mono3D方法對比,，這種方法在鳥瞰圖平均精確度,、3D物體邊界識別上各項測試成績上均優(yōu)于對手。

　　尤其在探測遠(yuǎn)處物體時要遠(yuǎn)超Mono3D,，遠(yuǎn)處可識別出的汽車數(shù)量更多,。甚至在嚴(yán)重遮擋,、截斷的情況下仍能正確識別出物體。在某些場景下甚至達(dá)到了3DOP系統(tǒng)的水平,。

　　在這項工作中,，提出的一種新穎的單目三維物體檢測方法，基于在鳥瞰視野范圍內(nèi)操作的,，減輕了許多不良圖像的屬性,，更易于推斷出世界的3D結(jié)構(gòu)。用一種簡單的正交特征變換,，將基于圖像的特征轉(zhuǎn)換為這種鳥瞰視圖表示,，并描述了如何使用圖像積分有效地實現(xiàn)它，以深二維卷積網(wǎng)絡(luò)的形式應(yīng)用于提取的鳥瞰特征,，取得了不錯的效果,，說明單目還有很大可開發(fā)的空間。

　　Paper2：A Structured Approach to Unsupervised Depth Learning from Monocular Videos

　　這是谷歌的工程師做的一個研究,，他利用單目視頻深度估計,，自從2014年NIPS上出現(xiàn)第一篇用CNN－based來做單目深度估計，近幾年也不斷涌現(xiàn)出一些做單目深度估計的文章,，有直接依靠深度學(xué)習(xí)和網(wǎng)絡(luò)架構(gòu)得到結(jié)果,，還有依靠于深度信息本身的性質(zhì)進(jìn)行估計，基于CRF和基于相對深度方法的,，本篇文章是基于無監(jiān)督學(xué)習(xí)單目視頻深度估計,。文中的方法能夠模擬運動物體并產(chǎn)生高質(zhì)量的深度估計結(jié)果，與以前的單目視頻無監(jiān)督學(xué)習(xí)方法相比,，該方法能夠恢復(fù)移動物體的正確深度,。也就說，能夠正確地恢復(fù)與自身運動車輛相同速度的移動汽車的深度,。因為一臺相對靜止的車輛,，往往會表現(xiàn)出與地面相同的無線深度特征，解決了高動態(tài)場景中的問題,。

　　這些方法仍需要很長時間去測試其可靠性,，相比激光雷達(dá)，單目算法一旦能在無人駕駛汽車上成功應(yīng)用,，將會節(jié)省一大筆費用,，單目視覺識別可能還有著無限的市場潛力。