基于OpenCV的攝像頭測(cè)距的實(shí)現(xiàn)示例

更新時(shí)間：2022年01月04日 09:14:41 作者：天涯盡頭黃鶴樓

本文主要介紹了基于OpenCV的攝像頭測(cè)距的實(shí)現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

前言

去年暑假參加了一個(gè)比賽，比賽內(nèi)容中需要確定目標(biāo)的位置本來想全用圖像完成的，最后發(fā)現(xiàn)不是很符合要求。比完賽之后，就忙別的事了。直到現(xiàn)在突然想試試攝像頭測(cè)距。就來了

在這里插入圖片描述

一、測(cè)距原理

攝像頭單目測(cè)距原理及實(shí)現(xiàn)

空間的深度或距離等數(shù)據(jù)的攝像頭。

人的眼睛長(zhǎng)在頭部的前方，兩只眼的視野范圍重疊，兩眼同時(shí)看某一物體時(shí)，產(chǎn)生的視覺稱為雙眼視覺。

雙眼視覺的優(yōu)點(diǎn)是可以彌補(bǔ)單眼視野中的盲區(qū)缺損，擴(kuò)大視野，并產(chǎn)生立體視覺。

在這里插入圖片描述

f為攝像頭的焦距，c為鏡頭光心

模型的主要依據(jù)公式為f/d=h/H，設(shè)物體所在平面與相機(jī)平面的距離為d，物體實(shí)際高度為H，在傳感器上的高度為h
根據(jù)這個(gè)模型，我們就能求出目標(biāo)物體與我們的攝像頭平面的距離。

分兩種情況，但是這兩種情況的條件都是假設(shè)實(shí)際物體與攝像機(jī)所在平面平行。

一種是當(dāng)物體主線段過光心的情況，這種情況是最容易計(jì)算的，即 h=sqrt ((橫坐標(biāo)之差*Dx)2+(縱坐標(biāo)之差*Dy)2), Dx為每個(gè)像素的寬度，Dy為每個(gè)像素的高度，

二、代碼

1.引入庫(kù)

代碼如下（示例）：

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

2.讀入數(shù)據(jù)

調(diào)用電腦攝像頭，或者外接別的攝像頭也可以
調(diào)用 cvzone 自帶的手部檢測(cè)器

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

編寫函數(shù)，轉(zhuǎn)化為距離循環(huán)打印顯示

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 = coff
        distanceCM = A * distance ** 2 + B * distance + C

        print(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)

完整代碼

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

cap = 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 + C

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 = coff
        distanceCM = A * distance ** 2 + B * distance + C

        print(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)

效果圖：

在這里插入圖片描述

總結(jié)

通過簡(jiǎn)單的幾行代碼，就可以實(shí)現(xiàn)視頻測(cè)距。我是以手為檢測(cè)目標(biāo)測(cè)距，當(dāng)然你也可以，調(diào)用別的分類檢測(cè)器，搭配目標(biāo)檢測(cè)網(wǎng)絡(luò)實(shí)現(xiàn)各種物體的檢測(cè) 測(cè)距。（建議備一個(gè)，高清的攝像頭。）
本項(xiàng)目的視頻測(cè)距的誤差大概在±2cm左右。

到此這篇關(guān)于基于OpenCV的攝像頭測(cè)距的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)OpenCV攝像頭測(cè)距內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: