[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛系統(tǒng)的感知架構(gòu)中，攝像頭始終扮演著“眼睛”的角色，它以直觀的方式捕捉車(chē)外環(huán)境，將光學(xué)信號(hào)轉(zhuǎn)化為圖像數(shù)據(jù)，供后端算法進(jìn)行物體檢測(cè)、分割、跟蹤與深度估計(jì)。隨著自動(dòng)駕駛技術(shù)從輔助駕駛（Level?1/2）向中高階自動(dòng)駕駛（Level?3?及以上）演進(jìn)，對(duì)環(huán)境感知的精度、可靠性和冗余度也提出了更苛刻的要求。與此同時(shí)，行業(yè)內(nèi)主流的視覺(jué)方案也在不斷豐富，從早期的單目攝像頭，到雙目立體視覺(jué)，再到近年來(lái)開(kāi)始探索的三目甚至多目的多視角布局，自動(dòng)駕駛純視覺(jué)解決方案也更加豐富。

單目攝像頭

單目攝像頭因其硬件結(jié)構(gòu)最為簡(jiǎn)單、成本最低廉、布置最為靈活而成為自動(dòng)駕駛感知系統(tǒng)的基礎(chǔ)配置。一臺(tái)普通攝像頭即可安裝于擋風(fēng)玻璃后方或車(chē)前格柵處，便可獲得寬視角的彩色圖像序列。單目深度估計(jì)主要依賴于圖像中的透視幾何線索（如遠(yuǎn)近關(guān)系產(chǎn)生的尺寸變化）、運(yùn)動(dòng)線索（雙幀或多幀光流）、以及深度學(xué)習(xí)模型對(duì)場(chǎng)景先驗(yàn)的學(xué)習(xí)。

基于單目圖像的深度估計(jì)方法可以分為監(jiān)督式與自監(jiān)督式。監(jiān)督式借助激光雷達(dá)（LiDAR）或結(jié)構(gòu)光相機(jī)標(biāo)定出的真深度進(jìn)行網(wǎng)絡(luò)訓(xùn)練，精度較高但對(duì)大規(guī)模標(biāo)注數(shù)據(jù)依賴嚴(yán)重；自監(jiān)督式則通過(guò)視差一致性、光度一致性約束和多視角幾何投影建立損失函數(shù)，擺脫了稠密標(biāo)注的束縛，但在紋理匱乏和動(dòng)態(tài)遮擋場(chǎng)景下精度波動(dòng)明顯。單目攝像頭在弱光、強(qiáng)逆光條件下表現(xiàn)較好，且與毫米波雷達(dá)結(jié)合時(shí)能夠形成較為完善的檢測(cè)與跟蹤管線；但由于其固有的“視差盲區(qū)”，在深度估計(jì)誤差（數(shù)米級(jí)）與目標(biāo)尺寸估計(jì)偏差（百分之十以內(nèi)）的情況下，難以獨(dú)立支撐高階自動(dòng)駕駛對(duì)亞米級(jí)、甚至亞米級(jí)以下的深度精度需求。

雙目攝像頭

雙目視覺(jué)系統(tǒng)通過(guò)兩臺(tái)同步標(biāo)定、具有固定基線的攝像機(jī)獲取左右兩路圖像，以視差（disparity）為橋梁直接計(jì)算場(chǎng)景深度，雙目視覺(jué)系統(tǒng)也更加近似于人眼。同一物點(diǎn)在左右圖像中的橫向偏移量與基線長(zhǎng)度和焦距共同決定了其絕對(duì)距離。經(jīng)典雙目深度重建分為四大步驟：立體校正（stereo rectification）、視差匹配（disparity estimation）、視差濾波與優(yōu)化（filtering & refinement）、以及點(diǎn)云重建（point cloud generation）。當(dāng)前主流的視差匹配算法既包括基于局部窗口的代價(jià)聚合方法（如SAD、SSD與Census Transform），也包括全局能量最小化方法（如Graph Cuts、Semi-Global Matching），以及最近幾年興起的端到端深度學(xué)習(xí)方法（如GC-Net、PSMNet）。

雙目視覺(jué)能夠在中短距離（0.5?米至50?米）內(nèi)提供亞米級(jí)的深度精度，并在靜態(tài)與高紋理場(chǎng)景中表現(xiàn)卓越；但當(dāng)面對(duì)低紋理、重復(fù)紋理、強(qiáng)光照不均或半透明遮擋時(shí)，視差匹配的正確率會(huì)顯著下降，導(dǎo)致深度估計(jì)失真。此外，雙目系統(tǒng)對(duì)攝像頭外參（相對(duì)位置與姿態(tài)）的標(biāo)定精度和時(shí)間同步提出了高要求，一旦標(biāo)定誤差超過(guò)千分之一（基線與焦距之比），就可能帶來(lái)數(shù)毫米至數(shù)厘米的深度偏離。雙目系統(tǒng)在算力消耗與數(shù)據(jù)帶寬方面也高于單目，兩路高分辨率圖像的拼接與匹配、對(duì)稱的圖像預(yù)處理與后處理，都需要更強(qiáng)的視覺(jué)處理單元（VPU）或GPU支持。

三目攝像頭

三目布局一般采用共面而非共線的設(shè)計(jì)，三臺(tái)攝像頭按一定幾何形狀（如等邊三角形基線）分布，以獲得更豐富的視差信息。相較于雙目，三目系統(tǒng)能夠形成兩組或三組不同基線長(zhǎng)度、不同匹配對(duì)的深度估計(jì)，從而在多種距離區(qū)間內(nèi)兼顧近、中、遠(yuǎn)距離的測(cè)量精度。例如，基線較短的一對(duì)攝像頭適合1至10?米范圍的高精度測(cè)距，而基線較長(zhǎng)的一對(duì)則能夠延伸到100?米的目標(biāo)探測(cè)。

在算法層面，三目視差匹配可同時(shí)在多對(duì)圖像間建立代價(jià)體（cost volume），并通過(guò)多視角一致性約束（multiview consistency）剔除錯(cuò)誤匹配，顯著提升了在低紋理與弱光場(chǎng)景下的魯棒性。三目系統(tǒng)還能夠利用不同視角下的遮擋信息（occlusion reasoning）進(jìn)行遮擋補(bǔ)償，彌補(bǔ)雙目在部分遮擋物體（如行人背后夾雜車(chē)輛或路牌）時(shí)深度估計(jì)的盲區(qū)。三目系統(tǒng)的一個(gè)挑戰(zhàn)是算法復(fù)雜度，如何高效構(gòu)建三維代價(jià)體、如何在保證實(shí)時(shí)性的前提下完成多對(duì)視差匹配、如何動(dòng)態(tài)選擇最優(yōu)基線對(duì)進(jìn)行深度融合，都是亟需解決的問(wèn)題。在硬件方面，為了減輕時(shí)間同步與數(shù)據(jù)帶寬壓力，通常會(huì)采用板載FPGA或?qū)Ｓ肐SP（Image Signal Processor）進(jìn)行初步預(yù)處理與視差計(jì)算，然后再將稀疏或半密集的深度信息傳輸給主算力單元。

技術(shù)方案

在更高階的自動(dòng)駕駛車(chē)輛上，為了實(shí)現(xiàn)360°無(wú)死角監(jiān)控與高精度三維重建，廠商往往會(huì)將前向雙目或三目視覺(jué)與側(cè)向、后向、俯瞰等多路攝像頭結(jié)合，構(gòu)成四目、六目甚至八目的多視角網(wǎng)絡(luò)。此時(shí)，系統(tǒng)需要解決的關(guān)鍵問(wèn)題不僅僅是單對(duì)深度估計(jì)，更包括跨視角的時(shí)空對(duì)齊（temporal-spatial synchronization）、全局標(biāo)定（global extrinsic calibration）、多視角深度融合（multiview depth fusion）與全景拼接（panorama stitching）。在全景感知中，車(chē)輛往往需要同時(shí)執(zhí)行多任務(wù)，前方車(chē)輛與行人的距離測(cè)量、側(cè)向障礙物的實(shí)時(shí)告警、倒車(chē)時(shí)的俯視圖生成，以及自動(dòng)泊車(chē)中的全景軌跡規(guī)劃。多目布局能夠提供更豐富的冗余信息，即便某一路攝像頭因泥污、強(qiáng)逆光或物理?yè)p壞暫時(shí)失效，系統(tǒng)仍能依靠其它視角的深度信息維持基礎(chǔ)感知能力，從而滿足高安全等級(jí)（ASIL D）對(duì)感知冗余的要求。

單目方案憑借極低的硬件成本與成熟的深度學(xué)習(xí)生態(tài)，成為市面上大量量產(chǎn)車(chē)型實(shí)現(xiàn)L2?級(jí)別自動(dòng)輔助駕駛的主流選擇；雙目方案在特定場(chǎng)景（如干式公路、高速公路集群貨運(yùn)）中能夠提供亞米級(jí)精度，成為部分L3?級(jí)自動(dòng)駕駛示范區(qū)的首選；而三目及多目方案則主要出現(xiàn)在少數(shù)高端概念車(chē)與少量具備大量數(shù)據(jù)標(biāo)注與計(jì)算資源支持的示范車(chē)隊(duì)中。對(duì)于工程實(shí)現(xiàn)而言，還需考慮視覺(jué)傳感器與整車(chē)CAN總線、以太網(wǎng)交換機(jī)的帶寬匹配；車(chē)載算力單元（如NVIDIA DRIVE、Mobileye EyeQ）對(duì)并行視覺(jué)算法的部署能力；視覺(jué)算法與其他傳感器（LiDAR、毫米波雷達(dá)、超聲波雷達(dá)）的融合策略以及在極端天氣（雨、雪、霧、夜間）下的抗干擾與抗閃爍能力。

當(dāng)前，為提升單目與雙目在復(fù)雜場(chǎng)景下的魯棒性，主流做法是將視覺(jué)深度估計(jì)與雷達(dá)或LiDAR點(diǎn)云進(jìn)行時(shí)空融合，通過(guò)深度校正網(wǎng)絡(luò)（depth correction network）對(duì)單目估計(jì)值進(jìn)行回歸補(bǔ)償，或利用Kalman濾波與圖優(yōu)化（graph optimization）框架將多源深度信息整合到同一幀時(shí)空參照系內(nèi)。對(duì)于三目與多目系統(tǒng)，則往往采用多視角神經(jīng)網(wǎng)絡(luò)（multiview neural network），直接在稠密的多目代價(jià)體上進(jìn)行端到端訓(xùn)練，以統(tǒng)一的方式生成更高精度、更少噪聲的稠密深度圖。此外，利用自監(jiān)督式多視角重投影損失（photometric consistency）與幾何一致性約束（geometric consistency），進(jìn)一步優(yōu)化深度估計(jì)的精度和邊緣完整性。

結(jié)語(yǔ)

其實(shí)單目、雙目與三目乃至多目攝像頭方案各有千秋，單目以簡(jiǎn)馭繁、成本友好；雙目以立體、精度可控；三目以多基線、魯棒性更強(qiáng)。隨著算法的精進(jìn)與硬件的升級(jí)，三目與多目系統(tǒng)在復(fù)雜場(chǎng)景下的優(yōu)勢(shì)將日益凸顯，但其算力與集成成本也需要工程團(tuán)隊(duì)在量產(chǎn)化中不斷權(quán)衡優(yōu)化。自動(dòng)駕駛視覺(jué)方案的選擇，從來(lái)不只是“目”數(shù)越多越好，而是要在安全冗余、深度精度、實(shí)時(shí)算力與成本之間找到最佳平衡，最終服務(wù)于可持續(xù)、大規(guī)模部署的智能出行愿景。

審核編輯 黃宇