求基于相机参数计算DRI（探测、识别、辨识）距离的计算公式

核心原理：相似三角形 #

DRI距离计算基于针孔相机模型的相似三角形原理，核心逻辑是：目标在传感器上的成像尺寸（像素数×像素间距）与实际目标尺寸的比例，等于相机焦距与目标距离的比例。

参数定义 #

先统一所有参数的单位（建议转换为米）：

• $S$：目标实际尺寸（米，取目标宽/高中用于计算的维度，示例中为0.5m）
• $f$：相机焦距（米，示例中70mm=0.07m）
• $p$：传感器像素间距（米，示例中12μm=12×10⁻⁶m）
• $n$：目标在成像中需要覆盖的单维度像素数（由DRI阶段的行业标准决定）

通用计算公式 #

由相似三角形推导得出距离公式：

D = (S × f) / (n × p)

其中$D$为目标到相机的距离（米）。

DRI阶段的像素阈值（行业约定） #

不同场景/标准下，各阶段对应的像素数略有差异，常见的阈值组合包括：

• 探测（Detection）：目标至少覆盖1~2个单维度像素（仅能感知目标存在）
• 识别（Recognition）：目标至少覆盖4~6个单维度像素（可区分目标类别，如人和车辆）
• 辨识（Identification）：目标至少覆盖8~12个单维度像素（可识别目标细节，如人脸、车牌）

示例验证（匹配你的在线计算器结果） #

你的示例中在线计算器得出的结果：探测1940m、识别490m、辨识240m，反推其使用的像素阈值为：

• 探测：$n ≈ 1.5$（取1.5个单维度像素）
• 识别：$n ≈ 6$（取6个单维度像素）
• 辨识：$n ≈ 12$（取12个单维度像素）

代入公式计算：

• 探测：$D=(0.5×0.07)/(1.5×12×10⁻⁶)≈1944m$（与示例的1940m基本一致）
• 识别：$D=(0.5×0.07)/(6×12×10⁻⁶)≈486m$（与示例的490m基本一致）
• 辨识：$D=(0.5×0.07)/(12×12×10⁻⁶)≈243m$（与示例的240m基本一致）

注意事项 #

1. 该公式为理想模型，未考虑大气衰减、镜头畸变、光照条件等实际环境因素，实际探测距离会略有偏差。
2. 若目标为非正方形，需选择目标的关键维度（如识别行人时取身高）进行计算。

内容的提问来源于stack exchange，提问作者Praneeth