作者 |Jessie
出品 | 焉知
关于研讨下一代智能汽车的系统设计、软件开发而言，需求处理包含架构设计、功用开发、车辆控制等方面的诸多问题，而以上问题的本源都在于环境感知的才能研讨。除开感知自身的硬件性能外，其软件中的算法模型、锻炼神经网络、感知数据处置容量等都是需求重点处理的问题。
当前，感知才能的开发主要包含如下过程：相机输入-->图像的预处置-->神经网络-->构建分支处置构造-->后处置-->输出结果。其中构建分支构造包括红绿灯辨认、车道线辨认、2D物体辨认转3D等；最终输出的结果包括输出物体类型、间隔、速度代表被检测物的朝向等；
当前，一切感知问题的关键依然是神经网络算法，关于域控制器处置过程才能来说，其需求重点思索计算精度、实时性、算力应用率等，这是确保物体不被漏检或误检的前提。其中由于感知硬件设备中输入的超大分辨率图像问题，触及单目或多目摄像头对感知输入的处置问题都是需求重点关注的。此类感知任务的难点或者优化方向中心主要在于如下几个方向：
① 如何处置高分辨的输入
② 如何进步密集小目的检测
③ 如何处理类多目的堆叠问题
④ 如何应用少量的锻炼数据处理目的多样性问题
⑤ 如何应用单目摄像头实行目的位置的准确估量
感知中的相机数据标定
单目测距是经过光学几何模型（即小孔成像模型）树立测试对象世界坐标与图像像素坐标间的几何关系，分离摄像头内、外参的标定结果，便能够得到与前方车辆或障碍物间的间隔。无论是单目摄像头还是双目摄像头，在实行数据检测前都要实行相机内外参数标定，标定的过程是为了经过如下公式计算世界坐标到图像坐标的转化。
