一、写在前面的话
刚刚接触Opencv没多久，为了检验自己最近学习的内容，准备做一下单目视觉测距。网上有很多关于单目测距的文章，我这里主要借鉴的是和两篇文章，在这里特别作出说明。 工作环境：Ubuntu16.04 + Opencv3.4.0 + Pycharm 摄像头：本着一切从简的原则（好吧就是穷），选用了一款物美价廉的摄像头PS3专用PlayStation Eye, 只要27.5人民币。（这里贴一下，不是打广告，大家完全可以采用其他的摄像头或者工业相机。）
二、单目测距原理
单目相机测距常用或者说实用的方法就是相似三角形法，为了让大家更好地理解程序，这里简单说一下相似三角形法。
举个栗子，假设现在我们有一张A4纸（8.27in x 11.69in), in代表英寸，1in = 25.4mm。纸张宽度W=11.69in，相机距离纸张的距离D = 32in，此时拍下的照片中A4纸的像素宽度为P=192px（我的相机实际测量得到的值）。 此时我们可以算出焦距F=（192×30)/11.69。 当我们将摄像头远离或者靠近A4纸时，就可以用相似三角形得到相机距离物体的距离。 此时的距离： D’ = (W’ x F ) / P’ （注意：这里测量的距离是相机到物体的垂直距离，产生夹角，测量的结果就不准确了。）
三、实现代码
#!/usr/bin/python3# -*- coding: utf-8 -*-# Date: 19-10-29import numpy as np # 导入numpy库import cv2 # 导入Opencv库KNOWN_DISTANCE = 32 # 这个距离自己实际测量一下KNOWN_WIDTH = 11.69 # A4纸的宽度KNOWN_HEIGHT = 8.27IMAGE_PATHS = ["Picture1.jpg", "Picture2.jpg", "Picture3.jpg"] # 将用到的图片放到了一个列表中# 定义目标函数def find_marker(image): gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 将彩色图转化为灰度图 gray_img = cv2.GaussianBlur(gray_img, (5, 5), 0) # 高斯平滑去噪 edged_img = cv2.Canny(gray_img, 35, 125) # Canny算子阈值化 cv2.imshow("降噪效果图", edged_img) # 显示降噪后的图片 # 获取纸张的轮廓数据 img, countours, hierarchy = cv2.findContours(edged_img.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) # print(len(countours)) c = max(countours, key=cv2.contourArea) # 获取最大面积对应的点集 rect = cv2.minAreaRect(c) # 最小外接矩形 return rect# 定义距离函数def distance_to_camera(knownWidth, focalLength, perWidth): return (knownWidth * focalLength) / perWidth# 计算摄像头的焦距（内参）def calculate_focalDistance(img_path): first_image = cv2.imread(img_path) # 这里根据准备的第一张图片，计算焦距 # cv2.imshow('first image', first_image) marker = find_marker(first_image) # 获取矩形的中心点坐标，长度，宽度和旋转角度 focalLength = (marker[1][0] * KNOWN_DISTANCE) / KNOWN_WIDTH # 获取摄像头的焦距 # print(marker[1][0]) print('焦距(focalLength) = ', focalLength) # 打印焦距的值 return focalLength# 计算摄像头到物体的距离def calculate_Distance(image_path, focalLength_value): image = cv2.imread(image_path) # cv2.imshow("原图", image) marker = find_marker(image) # 获取矩形的中心点坐标，长度，宽度和旋转角度， marke[1][0]代表宽度 distance_inches = distance_to_camera(KNOWN_WIDTH, focalLength_value, marker[1][0]) box = cv2.boxPoints(marker) # print("Box = ", box) box = np.int0(box) print("Box = ", box) cv2.drawContours(image, [box], -1, (0, 255, 0), 2) # 绘制物体轮廓 cv2.putText(image, "%.2fcm" % (distance_inches * 2.54), (image.shape[1] - 300, image.shape[0] - 20), cv2.FONT_HERSHEY_SIMPLEX, 2.0, (0, 255, 0), 3) cv2.imshow("单目测距", image)if __name__ == "__main__": img_path = "Picture1.jpg" focalLength = calculate_focalDistance(img_path) for image_path in IMAGE_PATHS: calculate_Distance(image_path, focalLength) cv2.waitKey(0) cv2.destroyAllWindows()
四、运行结果
第一张照片：
第二张照片：
第三张照片：
