基于车牌排版的单目距离估计框架用于车辆安全系统

准确的车辆间距离估计是高级驾驶辅助系统和自动驾驶的基石。虽然激光雷达和雷达提供高精度，但其成本限制了在大众车辆中的广泛采用。单目视觉提供一种低成本方案，但受尺度歧义和环境干扰的影响。本文引入了一种基于排版的单目距离估计框架，通过利用车牌标准化排版作为被动 fiducial 标记进行度量距离估计。核心几何模块使用稳健的车牌检测和字符分割来测量字符高度，并通过针孔相机模型计算距离。该系统集成了交互式校准、适应性检测（包含严格和宽松模式）以及多方法字符分割，结合自适应阈值和全局阈值。为增强鲁棒性，该框架还包括基于车道的水平估计用于相机姿态补偿、混合深度学习融合、用于速度估计的卡尔曼滤波，以及利用笔画宽度、字符间距和车牌边框厚度等额外排版线索的多特征融合。在受控室内环境中使用已校准单目相机进行实验验证，字符高度在连续帧中的系数变异为 2.3%，平均绝对误差为 7.7%。该框架无需 GPU 加速，显示出实时可行性。与基于车牌宽度的方法的全面比较表明，基于字符的测距将估计标准差降低 35%，这在实际应用中意味着更平滑、更一致的距离读数，避免因误估计触发不必要的制动或加速。