[首發于智駕最前沿微信公眾號]在自動駕駛系統的感知架構中，攝像頭始終扮演著“眼睛”的角色，它以直觀的方式捕捉車外環境，將光學信號轉化為圖像數據，供后端算法進行物體檢測、分割、跟蹤與深度估計。隨著自動駕駛技術從輔助駕駛（Level?1/2）向中高階自動駕駛（Level?3?及以上）演進，對環境感知的精度、可靠性和冗余度也提出了更苛刻的要求。與此同時，行業內主流的視覺方案也在不斷豐富，從早期的單目攝像頭，到雙目立體視覺，再到近年來開始探索的三目甚至多目的多視角布局，自動駕駛純視覺解決方案也更加豐富。

單目攝像頭

單目攝像頭因其硬件結構最為簡單、成本最低廉、布置最為靈活而成為自動駕駛感知系統的基礎配置。一臺普通攝像頭即可安裝于擋風玻璃后方或車前格柵處，便可獲得寬視角的彩色圖像序列。單目深度估計主要依賴于圖像中的透視幾何線索（如遠近關系產生的尺寸變化）、運動線索（雙幀或多幀光流）、以及深度學習模型對場景先驗的學習。

基于單目圖像的深度估計方法可以分為監督式與自監督式。監督式借助激光雷達（LiDAR）或結構光相機標定出的真深度進行網絡訓練，精度較高但對大規模標注數據依賴嚴重；自監督式則通過視差一致性、光度一致性約束和多視角幾何投影建立損失函數，擺脫了稠密標注的束縛，但在紋理匱乏和動態遮擋場景下精度波動明顯。單目攝像頭在弱光、強逆光條件下表現較好，且與毫米波雷達結合時能夠形成較為完善的檢測與跟蹤管線；但由于其固有的“視差盲區”，在深度估計誤差（數米級）與目標尺寸估計偏差（百分之十以內）的情況下，難以獨立支撐高階自動駕駛對亞米級、甚至亞米級以下的深度精度需求。

雙目攝像頭

雙目視覺系統通過兩臺同步標定、具有固定基線的攝像機獲取左右兩路圖像，以視差（disparity）為橋梁直接計算場景深度，雙目視覺系統也更加近似于人眼。同一物點在左右圖像中的橫向偏移量與基線長度和焦距共同決定了其絕對距離。經典雙目深度重建分為四大步驟：立體校正（stereo rectification）、視差匹配（disparity estimation）、視差濾波與優化（filtering & refinement）、以及點云重建（point cloud generation）。當前主流的視差匹配算法既包括基于局部窗口的代價聚合方法（如SAD、SSD與Census Transform），也包括全局能量最小化方法（如Graph Cuts、Semi-Global Matching），以及最近幾年興起的端到端深度學習方法（如GC-Net、PSMNet）。

雙目視覺能夠在中短距離（0.5?米至50?米）內提供亞米級的深度精度，并在靜態與高紋理場景中表現卓越；但當面對低紋理、重復紋理、強光照不均或半透明遮擋時，視差匹配的正確率會顯著下降，導致深度估計失真。此外，雙目系統對攝像頭外參（相對位置與姿態）的標定精度和時間同步提出了高要求，一旦標定誤差超過千分之一（基線與焦距之比），就可能帶來數毫米至數厘米的深度偏離。雙目系統在算力消耗與數據帶寬方面也高于單目，兩路高分辨率圖像的拼接與匹配、對稱的圖像預處理與后處理，都需要更強的視覺處理單元（VPU）或GPU支持。

三目攝像頭

三目布局一般采用共面而非共線的設計，三臺攝像頭按一定幾何形狀（如等邊三角形基線）分布，以獲得更豐富的視差信息。相較于雙目，三目系統能夠形成兩組或三組不同基線長度、不同匹配對的深度估計，從而在多種距離區間內兼顧近、中、遠距離的測量精度。例如，基線較短的一對攝像頭適合1至10?米范圍的高精度測距，而基線較長的一對則能夠延伸到100?米的目標探測。

在算法層面，三目視差匹配可同時在多對圖像間建立代價體（cost volume），并通過多視角一致性約束（multiview consistency）剔除錯誤匹配，顯著提升了在低紋理與弱光場景下的魯棒性。三目系統還能夠利用不同視角下的遮擋信息（occlusion reasoning）進行遮擋補償，彌補雙目在部分遮擋物體（如行人背后夾雜車輛或路牌）時深度估計的盲區。三目系統的一個挑戰是算法復雜度，如何高效構建三維代價體、如何在保證實時性的前提下完成多對視差匹配、如何動態選擇最優基線對進行深度融合，都是亟需解決的問題。在硬件方面，為了減輕時間同步與數據帶寬壓力，通常會采用板載FPGA或專用ISP（Image Signal Processor）進行初步預處理與視差計算，然后再將稀疏或半密集的深度信息傳輸給主算力單元。

技術方案

在更高階的自動駕駛車輛上，為了實現360°無死角監控與高精度三維重建，廠商往往會將前向雙目或三目視覺與側向、后向、俯瞰等多路攝像頭結合，構成四目、六目甚至八目的多視角網絡。此時，系統需要解決的關鍵問題不僅僅是單對深度估計，更包括跨視角的時空對齊（temporal-spatial synchronization）、全局標定（global extrinsic calibration）、多視角深度融合（multiview depth fusion）與全景拼接（panorama stitching）。在全景感知中，車輛往往需要同時執行多任務，前方車輛與行人的距離測量、側向障礙物的實時告警、倒車時的俯視圖生成，以及自動泊車中的全景軌跡規劃。多目布局能夠提供更豐富的冗余信息，即便某一路攝像頭因泥污、強逆光或物理損壞暫時失效，系統仍能依靠其它視角的深度信息維持基礎感知能力，從而滿足高安全等級（ASIL D）對感知冗余的要求。

單目方案憑借極低的硬件成本與成熟的深度學習生態，成為市面上大量量產車型實現L2?級別自動輔助駕駛的主流選擇；雙目方案在特定場景（如干式公路、高速公路集群貨運）中能夠提供亞米級精度，成為部分L3?級自動駕駛示范區的首選；而三目及多目方案則主要出現在少數高端概念車與少量具備大量數據標注與計算資源支持的示范車隊中。對于工程實現而言，還需考慮視覺傳感器與整車CAN總線、以太網交換機的帶寬匹配；車載算力單元（如NVIDIA DRIVE、Mobileye EyeQ）對并行視覺算法的部署能力；視覺算法與其他傳感器（LiDAR、毫米波雷達、超聲波雷達）的融合策略以及在極端天氣（雨、雪、霧、夜間）下的抗干擾與抗閃爍能力。

當前，為提升單目與雙目在復雜場景下的魯棒性，主流做法是將視覺深度估計與雷達或LiDAR點云進行時空融合，通過深度校正網絡（depth correction network）對單目估計值進行回歸補償，或利用Kalman濾波與圖優化（graph optimization）框架將多源深度信息整合到同一幀時空參照系內。對于三目與多目系統，則往往采用多視角神經網絡（multiview neural network），直接在稠密的多目代價體上進行端到端訓練，以統一的方式生成更高精度、更少噪聲的稠密深度圖。此外，利用自監督式多視角重投影損失（photometric consistency）與幾何一致性約束（geometric consistency），進一步優化深度估計的精度和邊緣完整性。

結語

其實單目、雙目與三目乃至多目攝像頭方案各有千秋，單目以簡馭繁、成本友好；雙目以立體、精度可控；三目以多基線、魯棒性更強。隨著算法的精進與硬件的升級，三目與多目系統在復雜場景下的優勢將日益凸顯，但其算力與集成成本也需要工程團隊在量產化中不斷權衡優化。自動駕駛視覺方案的選擇，從來不只是“目”數越多越好，而是要在安全冗余、深度精度、實時算力與成本之間找到最佳平衡，最終服務于可持續、大規模部署的智能出行愿景。