1. 深度估计概述：什么是深度估计？为什么ADAS需要它？单目与双目的核心区别

1.1 什么是深度估计？

深度估计，说白了就是让摄像头学会「看距离」。

你想想看，人眼为什么能判断前方物体有多远？因为我们有两只眼睛，大脑通过左右眼看到的微小差异来算距离。这就是立体视觉的基本原理。

在ADAS里，深度估计就是让算法从图像中恢复出每个像素到相机的距离。嗯，这里要注意——它不是直接测量，而是通过图像特征来推算。

我个人习惯把深度估计分成两类：

• 稀疏深度估计：只输出少数关键点的深度值，比如车道线、障碍物边缘
• 稠密深度估计：给每个像素都分配一个深度值，像一张深度图

我在项目中遇到过，很多刚入行的同学以为深度估计就是「测距」，其实它更接近「推理」。举个例子，一张图片里有个行人站在车前面，算法不仅要认出他是人，还要判断他离我们多远——这背后涉及几何、语义、甚至运动信息。

1.2 为什么ADAS需要深度估计？

这个问题其实很直接——没有距离信息，ADAS就是个瞎子。

你想想看，AEB（自动紧急制动）要判断要不要刹车，它得知道前车离你多远、相对速度多少。LKA（车道保持）要判断车辆是否偏离，它得知道车道线在三维空间中的位置。这些全都依赖深度信息。

我总结了一下，ADAS对深度估计的需求主要集中在几个场景：

1. 障碍物检测与测距：行人、车辆、路障的距离判断
2. 可行驶区域分割：区分路面和障碍物，需要深度辅助
3. 3D目标检测：从2D图像中恢复物体的三维位置和朝向
4. SLAM与定位：构建环境地图，需要深度来估计尺度
5. 路径规划：知道前方地形起伏，才能规划安全路径

我曾经在一个项目中踩过坑——只用单目做AEB，结果在雨天场景下频繁误触发。后来分析发现，单目深度估计在低纹理区域（比如湿漉漉的路面）精度下降严重，导致距离判断出错。从那以后，我对深度估计的鲁棒性要求就特别高。

1.3 单目与双目的核心区别

好，这是今天最核心的部分。单目和双目，到底差在哪？

我直接说结论：双目靠几何，单目靠学习。

对比维度	单目深度估计	双目深度估计
基本原理	从单张图像中学习深度线索	利用左右视图视差计算深度
硬件需求	单个摄像头即可	需要两个标定好的摄像头
深度尺度	无法恢复绝对尺度（尺度模糊）	可以恢复绝对尺度
精度上限	受限于训练数据和场景泛化	受限于基线长度和匹配精度
计算复杂度	较低，适合嵌入式部署	较高，需要立体匹配
弱光表现	依赖纹理，弱光下降明显	同样依赖纹理，但可借助结构光

为什么会有这些区别？我展开说说。

单目深度估计，说白了就是「猜」。算法从一张图里找线索——比如物体大小、遮挡关系、纹理梯度、大气透视等。但这些线索都是相对的，没法告诉你「这个行人离我5米还是10米」。所以单目深度估计天然存在尺度模糊问题。

我记得有一次做单目深度估计的部署，模型在训练集上效果很好，但换到另一个城市的数据集上，距离全部偏大。后来发现是因为训练数据中车辆的平均尺寸和测试集不同——单目模型把「大车」当成了「近车」。

双目深度估计，原理就扎实多了。两个摄像头同时拍，左右眼看到的同一个点在图像上有位置差——这就是视差。通过三角测量，直接算出距离。公式很简单：

深度 Z = (基线长度 B × 焦距 f) / 视差 d

你看，这个公式里没有需要「学习」的参数。只要标定好相机、匹配好左右图的对应点，深度就出来了。这就是为什么双目能恢复绝对尺度。

但双目也有自己的痛点：

• 基线限制：两个摄像头距离越远，测距越准，但车装不下
• 匹配难题：低纹理区域、重复纹理、遮挡区域，匹配容易出错
• 标定要求高：左右相机需要精确标定，温度变化都会影响

1.4 一个小总结

嗯，到这里你应该对深度估计有了整体认识。

我再说一个个人观点：深度估计的本质是「从2D到3D的桥梁」。没有它，摄像头就只能看到一张平面图片，无法理解三维世界。而ADAS恰恰需要的是三维理解——知道物体在哪、有多远、往哪运动。

单目和双目，就像两个性格不同的工程师：

• 单目聪明但爱「猜」，依赖经验（数据）
• 双目严谨但「笨」，依赖工具（几何）

你想想看，如果让这两个人合作，是不是比单打独斗强得多？

下一章，我会深入讲单目深度估计的具体方法——从传统几何线索到深度学习，再到我在实际项目中踩过的那些坑。咱们到时候细聊。