目前視覺方案做ADAS既有雙目也有單目，兩者在距離檢測上用了不同的技術路線，產品化時也存在各自優缺點，對此作者談了談自己的看法。本文作者姜安，為中科慧眼CTO。

ADAS功能的第一步是感知，也就是觀察車輛周邊負責的路況環境。在這個基礎上才能做出相應的路徑規劃和駕駛行為決策。目前感知所采用的傳感器包含各種形式的雷達、單目攝像頭、雙目攝像頭等，或是由這些傳感器進行不同組合形成的感知系統，而這些傳感器件各有利弊，傳感器融合是大勢所趨。

在這其中，攝像頭不可或缺，可以通過采集前方道路圖像，實現車道線障礙物以及行人檢測ADAS功能。關于ADAS攝像頭選用有哪些講究？單雙目方案存在哪些差異？在此談一談我的看法。

ADAS攝像頭成像哪些要求？

根據ADAS檢測需要，攝像頭在選擇時需要具備下面2個特點：

一是要看得足夠遠。看的越遠就能有更加充裕的時間做出判斷和反應，從而避免或者降低事故發生造成的損失。這類攝像頭關注的參數是焦距，焦距越長看的會越遠。但是焦距越長，帶來的問題是視角越窄，所以需要折衷考慮。

二是要求高動態。選用具有高動態范圍的黑白相機，可以有效抑制光暈現象，并增強暗處的細節，從而提高成像質量。另外，彩色圖像在鏡頭表面進行了鍍膜，雖然提升了人眼的感知體驗，但實際上降低了信噪比或者說信息量。這對后續的圖像處理不利。

根據這些要求，很容易發現目前行業里的一種炒作現象。很多車上使用的智能硬件多是行車記錄儀、云鏡等產品，會在原來成像系統的基礎上添加ADAS功能，其實只是廠家賺取噱頭的方式。

因為行車記錄儀的目的是記錄車輛周邊的狀況，看的越清晰越好、越全面越好，即“人友好”。這就需要成像系統具有超高的分辨率、超好的色彩還原性、超大的廣角鏡頭，視角增大意味著焦距的縮小。這與ADAS對成像系統的要求截然相反，ADAS要求的圖像質量是“機器友好”，因此在行車記錄儀的成像系統基礎上開發ADAS功能是不切實際的。目前很多號稱有ADAS功能的行車記錄儀，一般都只有車道線檢測這一個功能。有的雖然有別的如碰撞預警的功能，但是用戶體驗極差。

單/雙目的測距原理區別

目前攝像頭ADAS有單目和雙目兩種方案，兩者的共同特點，就是通過攝像頭采集圖像數據，然后從圖像數據上得到距離信息。ADAS一個很重要的作用是碰撞預警。碰撞預警需要關注距離的變化，需要估計即將碰撞的時間。有了距離測量，才會有距離變化，有距離變化才會有碰撞時間的估計，最后才會有預警。

單目攝像頭的大致測距原理，是先通過圖像匹配進行目標識別（各種車型、行人、物體等），再通過目標在圖像中的大小去估算目標距離。這就要求在估算距離之前首先對目標進行準確識別，是汽車還是行人，是貨車、SUV還是小轎車。準確識別是準確估算距離的第一步。

要做到這一點，就需要建立并不斷維護一個龐大的樣本特征數據庫，保證這個數據庫包含待識別目標的全部特征數據。比如在一些特殊地區，為了專門檢測大型動物，必須先行建立大型動物的數據庫；而對于另外某些區域存在一些非常規車型，也要先將這些車型的特征數據加入到數據庫中。

如果缺乏待識別目標的特征數據，就會導致系統無法對這些車型、物體、障礙物進行識別，從而也就無法準確估算這些目標的距離。導致ADAS系統的漏報。

而雙目檢測的方式就是通過對兩幅圖像視差的計算，直接對前方景物（圖像所拍攝到的范圍）進行距離測量，而無需判斷前方出現的是什么類型的障礙物。所以對于任何類型的障礙物，都能根據距離信息的變化，進行必要的預警或制動。

雙目攝像頭的原理與人眼相似。人眼能夠感知物體的遠近，是由于兩只眼睛對同一個物體呈現的圖像存在差異，也稱“視差”。物體距離越遠，視差越小；反之，視差越大。視差的大小對應著物體與眼睛之間距離的遠近，這也是3D電影能夠使人有立體層次感知的原因。

圖中的人和椰子樹，人在前，椰子樹在后，最下方是雙目相機中的成像。可以看出右側相機成像中人在樹的左側，左側相機成像中人在樹的右側，這是因為雙目的角度不一樣。再通過對比兩幅圖像就可以知道人眼觀察樹的時候視差小。而觀察人時視差大，因為樹的距離遠，人的距離近。這就是雙目三角測距的原理。雙目系統對目標物體距離感知是一種絕對的測量，而非估算。

單/雙目方案的優勢與難點

單目的優勢在于成本較低，對計算資源的要求不高，系統結構相對簡單。其缺點在于必須不斷更新和維護一個龐大的樣本數據庫，才能保證系統達到較高的識別率；無法對非標準障礙物進行判斷；距離并非真正意義上的測量，準確度較低。

雙目系統成本比單目系統要高，但尚處于可接受范圍內，并且與激光雷達等方案相比成本較低；二是沒有識別率的限制，因為從原理上無需先進行識別再進行測算，而是對所有障礙物直接進行測量；三是精度比單目高，直接利用視差計算距離；四是無需維護樣本數據庫，因為對于雙目沒有樣本的概念。

雙目系統的一個難點在于計算量非常大，對計算單元的性能要求非常高，這使得雙目系統的產品化、小型化的難度較大。所以在芯片或FPGA上解決雙目的計算問題難度比較大。國際上使用雙目的研究機構或廠商，絕大多數是使用服務器來進行圖像處理與計算的；也有部分將算法進行簡化后，使用FPGA進行處理。目前，中科慧眼在芯片上的計算效率已經達到15fps，在FPGA+ARM架構上的計算效率達到了40fps。

另一個難點在于雙目的配準效果。通過雙目攝像頭的圖像配準可以計算生成表示距離的二維圖像。下圖是中科慧眼雙目方案對實際場景信息采集與計算得到的距離的對應關系，不同飽和度顏色代表不同距離，從暖色調至冷色調為距離由近及遠。在計算過程中，需要對噪點與空洞做很好的抑制。從右圖可以看出，色調（距離）是平滑過渡，沒有跳變。

△中科慧眼距離計算獲得的二維圖像

一些FPGA方案中有很多噪點與空洞，對后續計算不利，存在安全風險。對于小障礙物的識別，既要做到沒有雜點和空洞，又要表現細節。否則比如一條橫著的欄桿無法識別，會增加駕駛的風險。下面的圖表現的是小物體和行人的探測上中科慧眼雙目方案與國際上其他算法的對比。

△Our為中科慧眼算法小障礙物的雙目配準效果，其它為國際流行傳統方法的處理效果

小結

因為檢測原理上的差異，雙目攝像頭在距離測算上相比單目有自己的特點，其硬件成本和計算量級的加倍，是難關也是突破口。就像谷歌自動駕駛汽車不斷積累大量的經驗和使用數據，才可能一步步積累實現自動駕駛。中科慧眼的雙目產品目前完成了樣機，也正在進行大規模路測。從產品理論技術原型走到真正被用戶接受的產品，還有很長的路要走。