“瞾”的原理—以“真实”为奥义进行颠覆

停车场出入口车牌识别摄像机发展至今，主要存在以下瓶颈：

停车场出入口识别瓶颈

上述痛点一则造成了用户体验始终不高，二则无法为无人值守提供必需的基础（车牌识别率必须接近100%）。

“火眼臻睛 - 瞾系列车牌识别一体机”（以下简称“瞾”）的推出则彻底突破了上述瓶颈：

“瞾”突破停车场出入口瓶颈

那么“瞾”是如何实现上述突破的呢？分为两点：

一是基于双目立体视觉，对场景深度信息的挖掘；二是获取深度信息后，对车辆进行实时3D建模。

“瞾”先是基于双目立体视觉，对场景深度信息进行挖掘。

那么什么是“场景深度信息”？简单说来，就是三维立体坐标中，z轴上承载的信息：

图1 三维立体坐标

 如图1，场景中x、y轴构成二维平面信息，z轴搭载的便是场景深度信息。

图2 二维平面信息采集

如图2，单目相机只能采集二维平面信息，即X、Y轴上的信息。

图3 三维立体信息解析

如图3，借助双目立体视觉对场景深度信息的挖掘，“瞾”实现了对场景三维立体信息的解析。

获取场景深度信息后，“瞾”将会对场景中车辆进行实时3D建模。

图4 车辆实时3D建模

车辆3D实时建模的目的是还原车辆的真实数据（如车牌尺寸、车辆长宽高、空间距离等）。

车辆实时3D建模再结合高精度识别算法，使得“瞾”实现了100%车辆视频触发、车牌防伪、完全杜绝误识别。

如果说上文“场景深度信息挖掘”、“车辆实时3D建模”讲述的是“瞾”的软件原理，那么“瞾”的硬件支持基础就是“特制化异构双镜头”。

实际上，双镜头设计早就广泛应用于传统安防行业中，其产品形态主要分为三种：

1、普通镜头与红外镜头的组合，用于昼夜监控

2、基于长短曝光时间不同，构建宽动态性能

3、选择两个不同焦距的镜头，呈现不同焦距下的成像效果

图5  特制化异构双镜头构建立体视觉

如图5所示，“瞾”却不是两个摄像头的简单叠加，它采用特制化异构双镜头的最终目的，是为了持续稳定地构建双目立体视觉。

通过前面的介绍，想必大家大致了解了“瞾”如何突破停车场出入口瓶颈。接下来，我们将会说明“瞾”构建立体视觉的基础—视差原理。

什么是视差原理？我们可以用人眼产生立体视觉的过程进行阐释。

图6 左右眼获取两幅不同的图像

如图6，人的双眼相距一定的瞳距，因此左右眼是从略微不同的角度观察物体，获取同一物体的两幅不同图像。

如图7所示，近处有一个人，远处有辆车，对于左眼形成的图像，人会在车的右侧。

如图8所示，而右眼形成的图像中，人会在车的左侧。

如图9，对应同一场景，双眼生成不同的图像。

如图10，左眼成像中的人与右眼成像中的人，两者间的视差相对更大。左眼成像中的车与右眼成像中的车，两者间的视差相对更小。双眼正是依据视差的不同，感知场景深度信息，这就是视差原理。

综上所述，“瞾”的推出，突破了停车场出入口识别的固有瓶颈，极大地改善了用户价值和体验，尤其是为无人化值守的实施奠定核心基础。

无人化值守不仅能让系统集成商的维护成本趋近于零，更为停车场管理方免去人力成本，是停车场出入口识别必然的发展趋势。