opencv-python单目相机测距

### 使用 OpenCV-Python 实现单目相机测距 #### 1. 像素坐标系与相机坐标系 为了理解单目相机测距的工作原理，首先要了解两个重要的坐标系：像素坐标系和相机坐标系。像素坐标系用于描述图像中的位置，而相机坐标系则表示三维空间中相对于相机的位置。 - **像素坐标系**：二维平面上的点由(x, y)表示。 - **相机坐标系**：三维空间中的点由(Xc, Yc, Zc)表示[^3]。 #### 2. 转换到世界坐标系 通过已知的目标尺寸以及其在图像上的投影大小，可以推算出目标距离。这涉及到将相机坐标系下的数据转换成世界坐标系的数据。此过程依赖于内外参矩阵来完成变换操作。 #### 3. 获取相机参数 要实现精确的距离测量，需要获取相机内部参数（焦距f、主点cx/cy）。可以通过标定板配合OpenCV函数`cv.calibrateCamera()`获得这些参数。对于外部参数，则是在拍摄时固定不变的情况下求解得到旋转和平移向量R|t[]。 ```python import cv2 as cv import numpy as np # 加载棋盘格角点检测结果 objpoints = [] # 3d point in real world space imgpoints = [] # 2d points in image plane. criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 30, 0.001) for fname in images: img = cv.imread(fname) gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) ret, corners = cv.findChessboardCorners(gray, patternSize=(9,6), None) if ret == True: objp = np.zeros((6*9,3), np.float32) objp[:,:2] = np.mgrid[0:9,0:6].T.reshape(-1,2)*square_size objpoints.append(objp) imgpoints.append(corners) ret, mtx, dist, rvecs, tvecs = cv.calibrateCamera(objpoints, imgpoints, gray.shape[::-1],None,None) ``` #### 4. 计算实际距离 假设有一个已知宽度的对象，在不同距离处拍摄的照片里它所占有的像素数会变化。利用这一点就可以构建比例关系从而估算未知物体离镜头有多远： \[ \text{distance} = (\text{known_width}/\text{pixel_width}) * f_x \] 其中 `fx` 是相机内参里的水平方向焦距；`known_width` 表示被摄体的实际物理宽度；`pixel_width` 则是从图像上读取出来的该对象占据了多少个像素列宽。 ```python def find_marker(image): # 将输入图像转化为灰度图并进行高斯模糊处理减少噪声影响 gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) blurred = cv.GaussianBlur(gray, (5, 5), 0) # 边缘检测寻找轮廓 edged = cv.Canny(blurred, 35, 125) cnts = cv.findContours(edged.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)[-2] c = max(cnts , key=cv.contourArea) return cv.minAreaRect(c) def distance_to_camera(knownWidth, focalLength, perWidth): return (knownWidth * focalLength) / perWidth KNOWN_DISTANCE = 24.0 KNOWN_WIDTH = 11.0 IMAGE_PATHS = ["images/{}.png".format(i) for i in range(1, 6)] marker = find_marker(cv.imread(IMAGE_PATHS[0])) focalLength = (marker[1][0] * KNOWN_DISTANCE) / KNOWN_WIDTH for imagePath in IMAGE_PATHS: image = cv.imread(imagePath) marker = find_marker(image) inches = distance_to_camera(KNOWN_WIDTH, focalLength, marker[1][0]) box = cv.cv.BoxPoints(marker) if imutils.is_cv2() else cv.boxPoints(marker) box = np.int0(box) cv.drawContours(image, [box], -1, (0, 255, 0), 2) cv.putText(image, "%.2fft" % (inches / 12), (image.shape[1] - 200, image.shape[0] - 20), cv.FONT_HERSHEY_SIMPLEX, 2.0, (0, 255, 0), 3) cv.imshow("image", image) cv.waitKey(0) ```