對單目來說物體越遠，測距的精度越低，硬件上的缺點可以通過算法去彌補，近日有兩篇關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，在數據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就是道路識別，主要是圖像特征法和模型匹配法來進行識別。行駛過程中需要進行障礙物檢測和路標路牌識別等，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開發的，因此相對于其他類別的攝像機，單目攝像機的算法成熟度更高。基于單目攝像頭可以用來定位、目標識別等。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揮到極致，近日有兩篇關于單目視覺的研究，讓眾多研究者驚艷，原來單目一樣可以有不錯的表現。

Paper1：Orthographic Feature Transform for Monocular 3D Object Detection

單目3d物體檢測是一件很有挑戰性的事情，目前最先進系統的成績也不及用激光雷達的1／10，劍橋大學的科學家利用單目視覺進行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數據集里測試，發現與前人的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于對手。

尤其在探測遠處物體時要遠超Mono3D，遠處可識別出的汽車數量更多。甚至在嚴重遮擋、截斷的情況下仍能正確識別出物體。在某些場景下甚至達到了3DOP系統的水平。

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結構。用一種簡單的正交特征變換，將基于圖像的特征轉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它，以深二維卷積網絡的形式應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上出現第一篇用CNN－based來做單目深度估計，近幾年也不斷涌現出一些做單目深度估計的文章，有直接依靠深度學習和網絡架構得到結果，還有依靠于深度信息本身的性質進行估計，基于CRF和基于相對深度方法的，本篇文章是基于無監督學習單目視頻深度估計。文中的方法能夠模擬運動物體并產生高質量的深度估計結果，與以前的單目視頻無監督學習方法相比，該方法能夠恢復移動物體的正確深度。也就說，能夠正確地恢復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，往往會表現出與地面相同的無線深度特征，解決了高動態場景中的問題。

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