很多對智慧型駕駛感興趣的朋友都知道，無人駕駛的技術可以分為三大模組，感知、認知和控制。這個順序其實也正是一項操作進行的順序，首先需要對環境進行準確的感知，然後對資訊進行處理，最後向汽車的控制系統發出指令，實現具體的功能。
對於比無人駕駛更低一些水平的智慧型駕駛（輔助駕駛、駕駛輔助、自動駕駛）來說，控制不需要完全由機器來完成，尤其是adas以下的水平，還是人類來主導駕駛的。但是感知和認知部分是必須有的，感知的準確是認知的基礎。
在感知模組當中，感測器是最重要的硬體。目前的感測器也有許多種類，除了各種各樣的雷達之外（大家比較熟悉的可能是雷射雷達、公釐波雷達），攝像頭也是必不可少的。基於計算機視覺技術的車載攝像頭能夠對環境中的很多物體進行感知，甚至有一部分人認為隨著計算機視覺的發展，雷射雷達並非是必需品。
目前的智慧型駕駛領域中，所應用的攝像頭主要有單目攝像頭和雙目攝像頭兩類。三目的攝像頭目前也在研發當中，但是還沒有太大量的使用。那麼單目和雙目的區別在**呢？是不是雙目的就比單目的好？
一、車載攝像頭的要求
這得從智慧型駕駛攝像頭的要求說起。
這一類攝像頭的要求，肯定是出於安全考慮。具體來說有兩個方面：看得遠，質量高。這兩點都比較好理解。看得遠就相當於提供了更充足的反應時間，直接提公升了安全性；而質量高則是為了識別的準確率。通常來講，看得遠需要長焦距，但焦距增加會導致視角變窄，所以需要綜合考慮；質量高則要求成像效果，通常黑白相機效果會好些。說到底，攝像頭的功能核心，就是測距。
二、兩種攝像頭的區別
測距原理上，兩種攝像頭便完全不同。單目攝像頭需要對目標進行識別，也就是說在測距前先識別障礙物是車、人還是別的什麼。在此基礎上再進行測距。而雙目攝像頭則更加像人類的雙眼，主要通過兩幅影象的視差計算來確定距離。也就是說，雙目攝像頭不需要知道障礙物是什麼，只要通過計算就可以測距。
從這個角度來看，單目攝像頭的缺點在於需要大量資料，並且不斷更新和維護，而且針對一些特殊地區特殊情況，還需要不斷優化。例如內蒙古大草原上經常有牛羊橫穿公路，那你就需要更新資料，讓機器知道這是牛，那是羊。資料收集、標籤的難度確實有些大。
雙目攝像頭當然也不是十全十美，因為需要靠計算來進行測距。其最大的難點就在於計算量巨大。這帶來的直接問題就是小型化難度很大。這並非小事，無論前裝後裝，合適的大小是非常重要的指標。
三、小結
可見，雙目和單目的攝像頭各有優劣勢，目前做這兩種的公司也都不在少數。相對而言雙目攝像頭的發展前景更好一些，但是硬體成本和計算量級是其需要攻克的難關
python opencv 讀取雙目攝像頭
opencv讀取單usb的雙目攝像頭總有各種各樣的問題，在 上終於找到一款合適的，記錄一下 import cv2 import numpy as np cap cv2.videocapture 0 ret cap.set 3,320 ret cap.set 4,240 設定攝像頭解析度 cap.se...
雙目攝像頭測距演算法
雙目攝像頭測距演算法 輸入輸出介面 input 3 攝像頭標定引數 中心位置 x,y 和5個畸變 係數 2徑向，2切向，1稜向 浮點型float 4 攝像頭初始化引數 攝像頭初始位置和三個座標方向 的旋轉角度，車輛寬度高度車速等等，浮點型float output 3 左右兩幀影象image vide...
樹莓派驅動雙目攝像頭
最近偶然在鹹魚上，發現了一款低配廉價的雙目攝像頭，想用來玩玩雙目測距，在網上參考了不少大神的資料，驅動過程遇到了不少問題，在這裡將自己的驅動過程寫出來給大家分享一下，最近會抽空搞搞雙目測距，如果成功了，也會在這裡跟大家分享一下。官方給了windows上的上位機，插上就能用，共有4種模式，左眼，右眼，...