0
雷鋒網(wǎng)按：本文為雷鋒網(wǎng)獨家專欄，作者系佐思產(chǎn)研研究總監(jiān)周彥武，雷鋒網(wǎng)經(jīng)授權(quán)發(fā)布。
雙目攝像頭可以完成所有單目攝像頭能完成的功能，同時能夠獲得后者永遠(yuǎn)無法企及的深度信息。
典型的豪華車如奔馳的S級和E級，寶馬7系和5系，雷克薩斯LS系列（2018），路虎Discovery SportSUV，捷豹XFL、XE，都是雙目攝像頭。
無論何種狀態(tài)的駕駛系統(tǒng)，無人的還是有人的，對障礙物的信息最重要的是障礙物與自車之間的距離，其次才是識別障礙物的類型。
準(zhǔn)確判斷障礙物與自車間的距離是保證車輛安全的首要信息，只有獲得準(zhǔn)確的距離信息，才能準(zhǔn)確得出有可能發(fā)生碰撞的時間，也就是TTC。單純識別障礙物毫無意義，識別出前方是個小孩，但無法得出準(zhǔn)確距離信息，就無法得出準(zhǔn)確的TTC，就無法保證小孩的安全。等識別出來，人可能已經(jīng)被撞死，屆時深度學(xué)習(xí)圖像識別毫無意義。
當(dāng)然，激光雷達(dá)在距離測量上也很精確，同時FOV也很大，覆蓋面更廣，但是成本高，功能單一，無法識別顏色（剎車燈）。而雙目不僅能精確地測量距離，同時還可以識別剎車燈，車道線，路旁的交通標(biāo)志等。豪華車也不是不計成本的，所以雙目攝像頭成了豪華車的首選。
對單目來說，要想獲得距離信息，必須先識別目標(biāo)。
要提供目標(biāo)距離信息，首先要對目標(biāo)進(jìn)行框圖邊界分割，而分割和識別是一體的，不識別無法準(zhǔn)確分割。
圖像識別簡單分為兩大類：一類是基于詞包模型的圖像識別，一類是基于深度學(xué)習(xí)的圖像識別。
歐洲NAVER實驗室高級科學(xué)家Gabriela Csurka等人首次將“自然語言處理”領(lǐng)域的 BoVM（bag-of-words）模型引入到圖像分類領(lǐng)域。就是將圖像類比為文檔，將圖像信息用若干單詞表示，最終用單詞的頻率直方圖表示圖像。
首先，將一幅圖像待檢測的特征點或者特征區(qū)域用特征描述算子對其進(jìn)行描述。將提取的特征算子采用機(jī)器學(xué)習(xí)的方法進(jìn)行訓(xùn)練獲得用特征頻率表示的視覺單詞組成的視覺詞典。
最后，通過對不同類別的視覺直方圖進(jìn)行學(xué)習(xí)，便可以獲得學(xué)習(xí)模型。在測試環(huán)節(jié)，提取待測試圖像的特征，獲得待測試圖像的視覺單詞直方圖，與上述獲得的學(xué)習(xí)模型與待測試圖像的頻率直方圖進(jìn)行匹配，獲得分類識別結(jié)果。
由此可見，將 Bag-of-Word 應(yīng)用到圖像分類模型上通常需要三個步驟：特征檢測與描述、視覺詞典的構(gòu)建、分類器。
視覺詞包模型（bag-of-words）相對比其他模型最大的優(yōu)勢在于適用于大部分的應(yīng)用場合，可以簡單直觀地把圖像表示成直方圖呈現(xiàn)出來，這樣就可以使圖像分類識別問題轉(zhuǎn)化成普通模式識別問題，所需運算資源少。
但是，視覺詞包模型也有一些缺點：
使用特征用視覺單詞直方圖表示，在這個轉(zhuǎn)化的過程中，丟了特征的位置信息，在一些需要位置信息的研究中，如前方突然掉落的物體，突然出現(xiàn)的行人，這個方法明顯是不適合的；
在視覺詞包模型建立的在單詞與單詞之間相互獨立的基礎(chǔ)上，但是有些情況，單詞與單詞之間是互相有聯(lián)系的，如連續(xù)的視頻，因此，視覺詞包模型在這種情況下使用，是造成識別結(jié)果較差。
詞包模型實際上相當(dāng)于只包含了一個卷積層和一個匯聚層，且模型采用無監(jiān)督方式進(jìn)行特征表達(dá)學(xué)習(xí)，而卷積神經(jīng)網(wǎng)絡(luò)則包含了更多層的簡單、復(fù)雜細(xì)胞，可以進(jìn)行更為復(fù)雜的特征變換，并且其學(xué)習(xí)過程是有監(jiān)督過程的，濾波器權(quán)重可以根據(jù)數(shù)據(jù)與任務(wù)不斷進(jìn)行調(diào)整，從而學(xué)習(xí)到更有意義的特征表達(dá)。
從這個角度來看，卷積神經(jīng)網(wǎng)絡(luò)具有更為強(qiáng)大的特征表達(dá)能力，因此它在圖像識別任務(wù)中的出色性能就很容易解釋了。
分割并識別后是估算距離，單目估算距離主要是根據(jù)像素大小，這種方法準(zhǔn)確度不高。
由于距離因素，行人3和行人2的像素大小是非常接近的，但行人2和行人3與車輛距離距離差別很大，但是在單目看來，距離是完全一樣的。
雙目與單目區(qū)別有幾點，首先雙目是測量距離而非估算。
上圖為雙目的距離計算公式，準(zhǔn)確度比單目要高得多。雙目與單目區(qū)別的第二點是雙目可以在不識別目標(biāo)的情況獲得深度（距離）數(shù)據(jù)。
上圖為雙目的典型工作流程圖。雙目最后輸出的是一張深度圖。
用顏色深淺來代表距離。雙目雖然不需要識別目標(biāo)，但是雙目需要級化分割（Segmentation），常使用的算法有Belief Propagation和Mean Shift。雙目最關(guān)鍵的環(huán)節(jié)在立體匹配。
雙目需要對每一個像素點都做立體匹配，運算量很大，但算法簡單，比較適合用FPGA來完成，而FPGA不是特斯拉這種小廠能玩得轉(zhuǎn)的。
全球目前主要的雙目系統(tǒng)供應(yīng)商有德國大陸，博世，韓國LG，日本日立和日本電裝。
大陸MFS430
兩個攝像頭之間距離為22厘米，兩個攝像頭的FOV是53度*30度，像素為1280*960，配合大燈夜間探測距離為40米，白天為80米）寶馬的雙目全部由大陸汽車提供，奔馳的大部分雙目也由大陸汽車提供，也有部分由韓國LG提供。
博世的雙目系統(tǒng)，用于LandRover Discovery SportSUV、Jaguar的XFL、XE之上，兩個攝像頭之間距離為12厘米， 像素數(shù)為1080*960（最新版本的分辨率提升到了 1280*960），水平視角45度，垂直視角25度，最大探測距離為50米，不僅可以用于AEB，也可以用于LDW和TSR(Traffic Sign Recognition).
2013年10月，斯巴魯推出第三代Eyesight，與第二代相比，像素數(shù)從30萬提升到100萬，兩個攝像頭之間的距離還是350毫米，而第一代是300毫米。每秒30FTP，從CCD圖像傳感器改變?yōu)椴噬獵MOS圖像傳感器。
最遠(yuǎn)探測距離從第二代的70米提高到100米，水平視角由25度擴(kuò)展到35度。無論是攝像頭還是處理IC都由日立提供。這也是公認(rèn)目前最好的雙目系統(tǒng)，從2009年推出到現(xiàn)在一直全球領(lǐng)先。
日本電裝聯(lián)合日本理光在2016年10月推出針對大發(fā)小型車設(shè)計的雙目系統(tǒng)。
此雙目系統(tǒng)由電裝設(shè)計，理光生產(chǎn)，基線長僅8厘米。用在大發(fā)的TANTO上。
電裝在2017年7月推出大型車用的雙目系統(tǒng)，基線長度估計為22厘米，用在2018年版的雷克薩斯LS系列上。
目前國內(nèi)有不少雙目初創(chuàng)企業(yè)，未來他們推出的產(chǎn)品也值得期待。
雷鋒網(wǎng)推薦閱讀：
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
