## 背景
本项目面向内河及沿海智能船舶驾驶场景，需开发一套基于**单目相机**的障碍物测距算法。该算法为感知系统的必要冗余——在激光雷达故障、AIS信号缺失或远距离点云稀疏时，提供独立的三维距离估计能力。

## 需求概述
输入单目相机图像与2D检测框，输出目标船舶、浮标的纵向距离（`position_x`）、横向偏移（`position_y`）、物理尺寸（长/宽）及置信度。有效测距范围20-500m，按5个距离段分级考核精度：0-100m段纵向RMSE≤1.5m，400-500m段≤8.0m。系统需在Jetson Orin NX（80TOPS）上以≥15FPS运行，端到端延迟≤150ms。

## 人才要求
- 熟悉单目深度/距离估计主流方法（几何先验、PnP、深度估计网络、时序运动法等）
- 精通PyTorch模型训练与TensorRT部署优化
- 有ROS2开发经验，了解Docker容器化交付流程
- 有水面/室外场景测距经验者优先

## 技术方案参考
- 几何方法：基于相机安装高度+水面平面假设的灭点/接地线测距
- 学习方法：单目深度估计网络（DepthAnything v2、ZoeDepth、Metric3D等）+ 目标区域聚合
- 混合方法：关键点检测 + PnP解算3D位姿，辅以尺寸先验约束

## 合作方式
外包合作，算法团队在我们的数据平台上完成**数据标注、模型训练、评测全流程**——数据集不离开平台。验收以3次实航回放数据的离线指标为准（8个必须场景、5个距离段全面达标），交付物含Docker镜像（x86_64/ARM64双架构）、TensorRT/PyTorch模型、评测脚本与完整文档。