单目测距原理与实现

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OpenCV学习笔记(二十一)——简单的单目视觉测距尝试单目摄像机测距(python+opencv)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。(这里贴一下淘宝链接,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=(192x30)/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: 18-10-29

import 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 = 8.27

IMAGE_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:

后面准备做一下双目测距,各位朋友可以在评论区留言,大家相互交流。

展开阅读全文

没有更多推荐了,返回首页