本文還是在傳統機器視覺的基礎上討論單目測距，深度學習直接估計深度圖不屬于這個議題，主要通過mobileye的論文管中窺豹，相信離實際工程應用還有很遠。

以前提過單目測距的問題，檢測的障礙物2-D框加上攝像頭的姿態和路面假設。以下根據公開發布的論文討論具體的算法：

注：深度學習直接估計深度圖不屬于這個議題。

1、Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy

著名的Mobileye論文，先看成像幾何如圖：

本車A，前方車B和C，攝像頭P焦距f，高度H，和障礙物B/C距離Z1/Z2，B/C檢測框著地點在圖像的投影是y1/y2。那么y=fH/Z，所以Z=fH/y。下面是三個不同距離的估計結果：

精度測量得到：90米誤差大約10%, 44米誤差約為5%。

2、Integrated Vehicle and Lane Detection with Distance Estimation

算法流程如下：

先是從3個消失點估算攝像頭焦距，然后6個2D-3D對應點得到攝像頭姿態：

基于車道寬度的假設（3.75米），可以算出投影矩陣，隨之得到距離公式：

下圖是一些結果：

3、Use of a Monocular Camera to Analyze a Ground Vehicle’s Lateral Movements for Reliable Autonomous City Driving

還是基于消失點原理，加上水平線，可得到道路場景幾何關系。

消失點和pitch angle的關系：

從消失點得到pitch angle：