单目摄像头像测距,双目摄像机测量距离准确吗,双目摄像头测距范围
转自：https://www.cnblogs.com/fpzs/p/9513932.html
1.简介：
/* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *我在网上看了几天关于相机标定原理和相机焦距的文章，然后这篇文章真的启发了我：用python和opencv来测量目标和相机的距离。测距的主要原理是利用相似三角形计算物体与摄像机之间的距离。https://blog . csdn . net/m0 _ 37811342/article/details/80394935http://python . job bole . com/84378/* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * */
2.单目距离原理
/* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *，相似三角形是这样一件事：假设我们有一个宽度为w的目标或物体，那么我们把这个目标放在距离我们的相机为D的地方。我们用相机给物体拍照，测量物体的像素宽度p。这样我们就得到了相机焦距的公式：F=(PD)/W例如，假设我把一张标准的8.511英寸的A4纸放在距离相机D=24英寸的地方(横向；W=11)并拍摄下一张照片。我测得照片中A4纸的像素宽度为P=249像素。所以我的焦距F是：F=(248 px 24in)/11in=543.45。当我不断移动我的相机靠近或远离一个物体或目标时，我可以用类似的三角形来计算物体和相机之间的距离：D=(W x F)/P从上面的解释我们可以看出，要得到距离，我们需要知道相机的焦距和目标物体的大小。这两个已知条件根据公式：D =(WF)/P给出了目标到相机的距离D，其中P是指像素距离，W是A4纸的宽度，F是相机的焦距。********************************************************************/
3.单视距Python代码(带注释)
一导入数组作为np 2导入cv2 3 #找到目标函数4 def find_marker(图像):5 #将图像转换为灰度，模糊，检测边缘6 #将图像转换成灰度、模糊和检测边缘7 gray=cv2.cvtColor(图像，cv2 .COLOR_BGR2GRAY) 8灰色=cv2 .GaussianBlur(gray，(5，5，0) 9 edged=cv2 .坎尼(灰色，35，125) 10 11 #在边缘图像中找到轮廓，保留最大的一个；12 #在边缘图像中找到轮廓并保持最大的轮廓13 #我们假设这是我们在图像中的一张纸14 #我们假设这是我们在图像中的一张纸15 (_，cnts，_)=cv2.findContours(edged.copy()，cv2 .RETR _列表，cv2 .CHAIN_APPROX_SIMPLE)16 #求最大面积17 c=max(cnts，key=cv2.contourArea)18 19 #计算纸张区域的边界框并返回它20 #计算纸张区域的边界框并返回它21 # cv2。尖塔竖立代表点集，返回矩形[0]是最小外接矩形中心点坐标，22 #矩形[1][0]是宽度，矩形[1][1]是高度，矩形[2]是角度23返回cv2。尖塔(c)24 25 #距离计算函数26 def距离相机(已知宽度、焦距、每宽):27 #计算并返回从制造商到摄像机的距离28 #计算并返回从目标到相机的距离29返回(已知宽度*焦距)/每宽度30 31 #初始化摄像机到物体的已知距离，在这种情况下，32 #是24英寸33 #初始化已知距离从相机到对象，在这种情况下是24英寸34已知_距离=24.035 36 #初始化已知的对象宽度，在本例中，这张37 #纸是11英寸宽38 #初始化已知的物体宽度，在这种情况下，纸是11英寸宽39 # A4纸的长和宽（单位：英寸)40已知_宽度=11.6941已知_高度=8.2742 43 #初始化我们将使用的图像列表44 #初始化我们将要使用的图像列表45 IMAGE_PATHS=[Picture1.jpg ， Picture2.jpg ， Picture3.jpg]46 47 #从我们的相机加载包含已知为2英尺48 #的对象的第一个图像，然后在图像中找到纸标记，并初始化49 #焦距50 #加载包含一个距离我们相机2英尺的物体的第一张图像，然后找到图像中的纸张标记，并初始化焦距51 #读入第一张图，通过已知距离计算相机焦距52图像=cv2。我在读( E:\ \ Lena。jpg )#应使用摄像头拍的图53 marker=find _ marker(image)54焦距=(marker[1][0]* KNOWN _ DISTANCE)/KNOWN _ WIDTH # D =(W x F)/P55 56 #通过摄像头标定获取的像素焦距57 #焦距=811.8258打印(焦距=，focalLength)59 60 #打开摄像头61相机=cv2 .摄像机拍摄时的视频捕获(0)62 63。iso pened():64 # get a frame 65(grapped，frame)=camera。read()66 marker=find _ marker(frame)67 if marker==0:68 print(marker)69 continue 70 inches=distance _ to _ camera(KNOWN _ WIDTH，focalLength，marker[1][0])71 72 #在图像周围绘制一个边界框并显示它73 #在图像周围绘制一个边界框并显示它74盒=cv2。框点(标记)75框=NP。int 0(box)76 cv2。绘制轮廓(框架，[框]，-1，(0，255，0)，2)77 78 #英寸转换为cm79 cv2.putText(frame， %.2fcm %(英寸*30.48/12)，80 (frame.shape[1] - 200，frame.shape[0] - 20)，cv2 .FONT_HERSHEY_SIMPLEX，81 2.0，(0，255，0)，3)82 83 #显示一个框架84 cv2.imshow(capture ，frame)85 if cv2。wait key(1)0x ff==ord( q ):86 break 87 camera。释放()88 cv2。destroyallwindows()
4.单目测距计算机编程语言代码（纯代码)
一导入数组为np 2导入cv2 3 def find _ marker(image):4 gray=cv2。CVT颜色(图像，cv2 .COLOR_BGR2GRAY) 5 gray=cv2 .GaussianBlur(gray，(5，5，0) 6 edged=cv2 .Canny(gray，35，125) 7 8 (_，cnts，_)=cv2.findContours(edged.copy()，cv2 .RETR _列表，cv2 .CHAIN _ APPROX _ SIMPLE)9 c=max(CNTs，key=cv2。contourarea)10返回cv2。minareact(c)11 12 def DISTANCE _ to _ camera(已知宽度，焦距，每宽度):13 return(已知宽度*焦距)/每宽度14 15已知距离=24.0 16已知宽度=11.6917已知高度=8.2718 IMAGE _ PATHS=[图片1。jpg ， picture 2 video capture(0)25 while camera。等开():26(抓取，帧)=相机。read()27 marker=find _ marker(帧)28如果标记==0:29打印(标记)30继续31英寸=distance _ to _ camera(KNOWN _ WIDTH，focalLength，marker[1][0])32 box=cv2。框点(标记)33框=NP。int 0(box)34 cv2。绘制等高线(帧，[box]，-1，(0，255，0FONT_HERSHEY_SIMPLEX，37 2.0，(0，255，0)，3)38 cv2.imshow(capture ，frame)39 if cv2。wait key(1)0x ff==ord( q ):40 break 41 camera。释放()42 cv2。destroyallwindows()
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。