分享一个双目测距的项目

最新推荐文章于 2024-03-14 09:00:00 发布
VIP文章 最新推荐文章于 2024-03-14 09:00:00 发布
阅读量1.2w 收藏 55
点赞数 1
分类专栏： 计算机基础 文章标签： 双目测距 立体视觉 opencv ste
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/extraman/article/details/46546445
版权

用到的工具和平台

Opencv2.4.11

VS2010

Matlab

参考论文和Blog

基于双目立体视觉的物体深度信息提取系统研究_刘维（硕士论文）

http://blog.csdn.net/scyscyao/article/details/5443341      

Learning OpenCV十一、十二章

摄像头的连接


技术参数（最终效果）


 
———————————————------———————————————————
     

本文主要是讲实现，并不详细讲述数学推理。
测距原理

测距原理是利用三角形原理（当然这个是对于平面模型而言，立体模型则用矩阵来表示），原理如下图所示：

最低0.47元/天 解锁文章
ExtraMan
关注
  • 1
    点赞
  • 踩
  • 55
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
双目项目实战---测距（获取三维坐标和深度信息）
weixin_45303602的博客
10-16 2893
双目视觉是一种通过两个摄像机（或者两个镜头）同时拍摄到同一个场景，再通过计算机算法来获取该场景深度和三维信息的技术。这两个摄像机可以放置在固定的位置上，也可以通过移动来获取不同角度的图像以便更好地理解物体形状和结构。双目视觉的工作原理是，在两个摄像机之间的距离（称为基线）上拍摄到同一物体时，由于视差效应，看到的物体位置会有所不同。计算机可以通过测量这种视差来推导出物体深度和三维信息。这种方法类似于我们的双眼视觉，两只眼睛通过视差来协作，从而让我们能够感知深度和距离。
双目+YOLOV5测距
12-02
可以实现图片视频的三维测距，如果想要实时摄像头测距及其他功能可以私信我，不免费
视觉双目测距
12-13
关于视觉双目的测量，网上虽然有很多资料，但是但是你懂的，网上很多资源都讲的很模糊，不完整。我这个代码完整的计算出了深度信息。前提是你标定作准了。
使用opencv做双目测距（相机标定+立体匹配+测距）
2301_81940605的博客
03-14 1358
最近在做双目测距，觉得有必要记录点东西，所以我的第一篇博客就这么诞生啦~
双目测距联合YOLOv8 项目总结
weixin_45824067的博客
05-25 2789
固定左右相机的内部参数值、畸变矩阵，求R (右相机坐标系相对于左相机坐标系的旋转矩阵)，T（右相机坐标系相对于左相机坐标系的平移动向量）， E（本征矩阵）， F（基础矩阵）获得左相机、右相机的cameraMatrix（内部参数值）、disCoeffs(畸变矩阵)利用双目标定结果，对左右相机图像进行畸变矫正、立体矫正，此时两相机共面且行对准。用yolov8对矫正后的左相机图像进行物体检测，目标框中心点的深度值即为距离。进一步求得畸变矫正、立体矫正所需的映射矩阵，以及深度差异映射矩阵Q。
FPGA开源项目：双目测距（三）之FPGA算法实现以及Modelsim仿真
宏强-Blog
10-31 4228
1.简述 在上一部分中，使用Matlab将图片转化为txt的数据文件，现在就要使用这些数据进行逼近真实情况下的Modelsim仿真；同时简单说明下RTL代码中不好理解的地方； 2.vivado block图 红框就是算法模块，我以前是将摄像头采集模块（也就是蓝框的模块）与算法集合到一起的，后面发现换不同的摄像头的话整个模块就需要修改，比较麻烦。所以这次结局将两部分独立开。为了方便调节阈值，算法模块整合成带AXI slave接口的模块，同时将识别目标坐标值传到ARM计算距离值。 3.算法模块结构 红色框为c
FPGA开源项目：双目测距（一）之双目图像采集显示以及图片保存
宏强-Blog
09-20 8570
1.简述 这个项目是大三下学期暑假(也就是2019年8份）完成的，当时的视频效果已发布在bilibili上，这是我们的省级的科研立项，其实就我一个人负责完成。发布bilibili后很多人比较感兴趣，打算年初回学校完成毕设期间开源的，一直拖到现在，工作后时间也比少了，条件也没在学校实验室好，只能尽力做好吧。 该视频bilibili连接： 双目测距. 2.准备 摄像头模块：OV7725（以前是彩色MT9V034） FPGA板卡：米联客ZYNQ7020 SD卡 1080P的显示器 正红色物体 3.双目硬件结构
双目三维重建：双目摄像头实现双目测距（Python）
热门推荐
AI吃大瓜的博客
12-11 2万+
双目立体视觉深度相机实现双目测距功能，主要分为4个步骤：相机标定+双目校正+双目匹配+计算深度信息： (1）相机标定：需要对双目相机进行标定，得到两个相机的内外参数、单应矩阵。 (2) 双目校正：根据标定结果对原始图像进行校正，校正后的两张图像位于同一平面且互相平行。 (3）双目匹配：对校正后的两张图像进行像素点匹配。 (4）计算深度图：根据匹配结果计算每个像素的深度，从而获得深度图。......
OpenCV C++双目三维重建：双目摄像头实现双目测距
AI吃大瓜的博客
10-23 2万+
opencv C++实现双目测距，opencv三维重建，c++实现三维重建，双目测距，WLS滤波，opencv视差图
33、C++双目摄像头进行测距实验
sxj731533730
06-12 4442
基本思想：因为最近用到了双目摄像头测距的代码逻辑，逐记录和转发一下大佬们的知识点 双目测距的整体原理是根据相似三角形原理进行计算和求距离 首先使用两个相机进行标注数据的采集 使用代码进行数据采集https://blog.csdn.net/xiao__run/article/details/79618827 #!/usr/bin/python # -*- coding: utf-8 -*- import cv2 import time AUTO = True # 自动拍照，或手动按s键拍照.
matlab双目图计算深度图
12-02
用matlab实现由双目图恢复出场景视距图（深度图）的代码，亲测可用，提供大家参考参考。 用matlab实现由双目图恢复出场景视距图（深度图）的代码，亲测可用，提供大家参考参考。
基于opencv的双目测距（代码+文章）
03-25
文章名称：3-D Point Cloud Generation from Rigid and Flexible Stereo Vision Systems 文章（英文）详细讲解了双目视觉的一些基本原理，已经如何使用两个普通的网络摄像头来实现双目视觉，以及如何根据两个摄像头来计算物体深度信息。 代码为文章中附带的代码 仅供参考学习
OpenCV双目标定和测距
04-05
基于OpenCV的双目标定和测距代码，C++和cmake工程，附有readme文件。在Mac下使用clang测试通过~~
双目测距 ZED OpenCV
03-27
使用双目相机ZED OpenCV3.1 完成一个双目测距，使用OpenCV3.1中 ximgproc的disparity_filter类，得到效果不错的深度图，并且转换成实际的距离。编译版本为release 使用CMake编译带扩展的OpenCV3.1，需要配置zedsdk。如果没有使用zed双目相机，则需要自己标定双目相机，程序也可供参考
双目摄像头的测距
07-14
实现特征点所标记物体的距离测量，将测量的结果数据保存在本地的txt文件中。
项目文档_FPGAverilog_双目测距_
10-04
基于 FPGA 实时处理的双目测距系统案例工程文档
双目测距-基于OpenCV+颜色特征的双目测距系统实现-项目源码+优质项目分享.zip
最新发布
04-10
双目测距_基于OpenCV+颜色特征的双目测距系统实现_项目源码+优质项目分享
双目测距算法
12-18
双目测距算法，利用两个摄像头读入视频，进行配准定位，进行测距
帮我写一个双目测距的代码
08-10
### 回答1： 我可以给你一个简单的双目测距代码： import numpy as np # Create a vector of points points_3d = np.array([[x1, y1, z1], [x2, y2, z2]]) # Calculate the distance between two points distance = np.linalg.norm(points_3d[0]-points_3d[1]) print(distance) ### 回答2： 要编写一个双目测距的代码，首先需要准备两个摄像头，一个左眼摄像头和一个右眼摄像头。然后，需要进行如下步骤： 1. 初始化摄像头：使用相应的库或框架初始化左右摄像头，确保两个摄像头能够同时工作。 2. 采集图像：从左右摄像头中分别采集实时图像数据，并将其转换为可处理的格式，比如灰度图像或RGB图像。 3. 图像预处理：对采集到的图像进行预处理，包括去除图像中的噪声、增强对比度等操作，以提高距离测量的精度和准确性。 4. 特征提取：通过计算机视觉算法，从左右摄像头的图像中提取特征点，可以使用角点检测算法或其他特征检测算法，将特征点的坐标保存下来。 5. 特征匹配：对左右摄像头提取的特征点进行匹配，确定左右图像中对应的特征点。 6. 视差计算：根据特征点的匹配结果，计算左右图像中特征点之间的视差。视差是两个摄像头之间的水平位移量，可以通过视差与焦距的关系来计算出物体距离。 7. 距离计算：根据视差值和摄像头的基线长度，可以使用三角测量原理计算物体的距离。一般来说，可以使用立体几何的方法，将视差值和基线长度代入公式即可计算距离。 8. 显示结果：将计算得到的距离显示在屏幕上，以便用户查看。 需要注意的是，双目测距的代码开发中需要考虑图像采集、预处理、特征提取、特征匹配、视差计算等过程，以及物体的距离计算方法和数据显示。同时，还需要调整摄像头的参数，比如焦距、校正畸变等，以确保测距的准确性和稳定性。 ### 回答3： 双目测距是一种基于双眼视差的测距方法，可以用于测量物体与相机之间的距离。下面是一个简单的双目测距代码示例： ```python import cv2 import numpy as np # 初始化相机 left_camera = cv2.VideoCapture(0) right_camera = cv2.VideoCapture(1) # 设置摄像头参数 left_camera.set(cv2.CAP_PROP_FRAME_WIDTH, 640) left_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) right_camera.set(cv2.CAP_PROP_FRAME_WIDTH, 640) right_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) # 创建Stere BM对象 stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15) while True: # 读取左右相机图像 ret1, frame1 = left_camera.read() ret2, frame2 = right_camera.read() # 转换为灰度图像 gray1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY) # 计算视差图像 disparity = stereo.compute(gray1, gray2) # 归一化处理 disp_norm = cv2.normalize(disparity, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U) # 显示视差图像 cv2.imshow("Disparity", disp_norm) # 按下Esc键退出循环 if cv2.waitKey(1) == 27: break # 释放相机资源 left_camera.release() right_camera.release() # 关闭窗口 cv2.destroyAllWindows() ``` 这段代码使用了OpenCV库中的`cv2.StereoBM_create()`函数来创建一个Stere BM对象，然后从两个摄像头中读取图像，并对左右图像进行转换为灰度图像的处理。接下来，对左右图像进行视差计算，并进行归一化处理，最后显示视差图像。当按下Esc键时，退出循环并释放相机资源。请注意，此代码只是一个简单示例，您可能需要根据具体需求进行参数调整和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值