基于OpenCV的摄像头测距

前言

去年暑假参加了一个比赛，比赛内容中需要确定目标的位置本来想全用图像完成的，最后发现不是很符合要求。比完赛之后，就忙别的事了。直到现在突然想试试摄像头测距。就来了

一、测距原理

摄像头单目测距原理及实现

空间的深度或距离等数据的摄像头。

人的眼睛长在头部的前方，两只眼的视野范围重叠，两眼同时看某一物体时，产生的视觉称为双眼视觉。

双眼视觉的优点是可以弥补单眼视野中的盲区缺损，扩大视野，并产生立体视觉。

f为摄像头的焦距，c为镜头光心

模型的主要依据公式为f/d=h/H，设物体所在平面与相机平面的距离为d，物体实际高度为H，在传感器上的高度为h
根据这个模型，我们就能求出目标物体与我们的摄像头平面的距离。

分两种情况，但是这两种情况的条件都是假设实际物体与摄像机所在平面平行。

一种是当物体主线段过光心的情况，这种情况是最容易计算的，即 h=sqrt ((横坐标之差*Dx)^{2+(纵坐标之差*Dy)}2), Dx为每个像素的宽度，Dy为每个像素的高度，

二、代码

1.引入库

代码如下（示例）：

import cv2
from cvzone.HandTrackingModule import HandDetector
import math
import numpy as np
import cvzone

2.读入数据

调用电脑摄像头，或者外接别的摄像头也可以
调用 cvzone 自带的手部检测器

cap = cv2.VideoCapture(0)
cap.set(3, 1280)
cap.set(4, 720)
detector = HandDetector(detectionCon=0.8, maxHands=1)

编写函数，转化为距离循环打印显示

while True:success, img = cap.read()hands = detector.findHands(img, draw=False)if hands:lmList = hands[0]['lmList']x, y, w, h = hands[0]['bbox']x1, y1 = lmList[5]x2, y2 = lmList[17]distance = int(math.sqrt((y2 - y1) ** 2 + (x2 - x1) ** 2))A, B, C = coffdistanceCM = A * distance ** 2 + B * distance + Cprint(distanceCM, distance)cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 255), 3)cvzone.putTextRect(img, f'{int(distanceCM)} cm', (x+5, y-10))cv2.imshow("Image", img)cv2.waitKey(1)

完整代码

import cv2
from cvzone.HandTrackingModule import HandDetector
import math
import numpy as np
import cvzonecap = cv2.VideoCapture(0)
cap.set(3, 1280)
cap.set(4, 720)# Hand Detector
detector = HandDetector(detectionCon=0.8, maxHands=1)# Find Function
# x is the raw distance y is the value in cm
x = [300, 245, 200, 170, 145, 130, 112, 103, 93, 87, 80, 75, 70, 67, 62, 59, 57]
y = [20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100]
coff = np.polyfit(x, y, 2)  # y = Ax^2 + Bx + Cwhile True:success, img = cap.read()hands = detector.findHands(img, draw=False)if hands:lmList = hands[0]['lmList']x, y, w, h = hands[0]['bbox']x1, y1 = lmList[5]x2, y2 = lmList[17]distance = int(math.sqrt((y2 - y1) ** 2 + (x2 - x1) ** 2))A, B, C = coffdistanceCM = A * distance ** 2 + B * distance + Cprint(distanceCM, distance)cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 3)cvzone.putTextRect(img, f'{int(distanceCM)} cm', (x+5, y-10))cv2.imshow("Image", img)cv2.waitKey(1)

效果图：
在这里插入图片描述

总结

通过简单的几行代码，就可以实现视频测距。我是以手为检测目标测距，当然你也可以，调用别的分类检测器，搭配目标检测网络实现各种物体的检测测距。（建议备一个，高清的摄像头。）
本项目的视频测距的误差大概在±2cm左右。