使用OpenCV實(shí)現(xiàn)攝像頭測距

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達(dá)

本文轉(zhuǎn)載自知乎z.defying

https://zhuanlan.zhihu.com/p/63149294

攝像頭測距就是計算照片中的目標(biāo)物體到相機(jī)的距離?？梢允褂孟嗨迫切危╰riangle similarity）方法實(shí)現(xiàn)，或者使用更復(fù)雜但更準(zhǔn)確的相機(jī)模型的內(nèi)參來實(shí)現(xiàn)這個功能。

使用相似三角形計算物體到相機(jī)的距離

假設(shè)物體的寬度為 W，將其放到離相機(jī)距離為 D 的位置，然后對物體進(jìn)行拍照。在照片上量出物體的像素寬度 P，于是可以得出計算相機(jī)焦距 F 的公式：

比如我在相機(jī)前 24 英寸距離（D=24 inches）的位置橫著放了一張 8.5 x 11 英寸（W=11 inches）的紙，拍照后通過圖像處理得出照片上紙的像素寬度 P=248 pixels。所以焦距 F 等于：

此時移動相機(jī)離物體更近或者更遠(yuǎn)，我們可以應(yīng)用相似三角形得到計算物體到相機(jī)的距離的公式：

原理大概就是這樣，接下來使用 OpenCV 來實(shí)現(xiàn)。

獲取目標(biāo)輪廓

# import the necessary packagesfrom imutils import pathsimport numpy as npimport imutilsimport cv2def find_marker(image):    # convert the image to grayscale, blur it, and detect edges    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)    gray = cv2.GaussianBlur(gray, (5, 5), 0)    edged = cv2.Canny(gray, 35, 125)    # find the contours in the edged image and keep the largest one;    # we'll assume that this is our piece of paper in the image    cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)    cnts = imutils.grab_contours(cnts)    c = max(cnts, key = cv2.contourArea)    # compute the bounding box of the of the paper region and return it    return cv2.minAreaRect(c)

定義一個 find_marker 函數(shù)，接收一個參數(shù) iamge，用來找到要計算距離的物體。這里我們用一張 8.5 x 11 英寸的紙作為目標(biāo)物體。第一個任務(wù)是在圖片中找到目標(biāo)物體。

下面這三行是先將圖片轉(zhuǎn)換為灰度圖，并進(jìn)行輕微模糊處理以去除高頻噪聲，然后進(jìn)行邊緣檢測。

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray, (5, 5), 0)edged = cv2.Canny(gray, 35, 125)

做了這幾步后圖片看起來是這樣的：

現(xiàn)在已經(jīng)可以清晰地看到這張紙的邊緣，接下來需要做的是找出這張紙的輪廓。

cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)c = max(cnts, key = cv2.contourArea)

用 cv2.findContours 函數(shù)找到圖片中的眾多輪廓，然后獲取其中面積最大的輪廓，并假設(shè)這是目標(biāo)物體的輪廓。

這種假設(shè)只適用于我們這個場景，在實(shí)際使用時，在圖片中找出目標(biāo)物體的方法與應(yīng)用場景有很大關(guān)系。

我們這個場景用簡單的邊緣檢測并找出最大的輪廓就可以了。當(dāng)然為了使程序更具有魯棒性，也可以用輪廓近似，并剔除不是四個點(diǎn)的輪廓（紙張是一個有四個點(diǎn)的矩形），然后再找出面積最大，具有四個點(diǎn)的輪廓。

注意: 關(guān)于這個方法，詳情可以查看這篇文章，用于構(gòu)建一個移動文本掃描工具。

我們也可以根據(jù)顏色特征在圖片中找到目標(biāo)物體，因?yàn)槟繕?biāo)物體和背景的顏色有著很明顯的不同。還可以應(yīng)用關(guān)鍵點(diǎn)檢測（keypoint detection），局部不變性描述子（local invariant descriptors）和關(guān)鍵點(diǎn)匹配（keypoint matching）來尋找目標(biāo)。但是這些方法不在本文的討論范圍內(nèi)，而且高度依賴具體場景。

我們現(xiàn)在得到目標(biāo)物體的輪廓了，find_marker 函數(shù)最后返回的是包含輪廓 (x, y) 坐標(biāo)、像素長度和像素寬度的邊框，

計算距離

接下來該使用相似三角形計算目標(biāo)到相機(jī)的距離。

def distance_to_camera(knownWidth, focalLength, perWidth):    # compute and return the distance from the maker to the camera    return (knownWidth * focalLength) / perWidth

distance_to_camera 函數(shù)傳入目標(biāo)的實(shí)際寬度，計算得到的焦距和圖片上目標(biāo)的像素寬度，就可以通過相似三角形公式計算目標(biāo)到相機(jī)的距離了。

下面是調(diào)用 distance_to_camera 函數(shù)之前的準(zhǔn)備：

# initialize the known distance from the camera to the object, which# in this case is 24 inchesKNOWN_DISTANCE = 24.0
# initialize the known object width, which in this case, the piece of# paper is 12 inches wideKNOWN_WIDTH = 11.0
# load the furst image that contains an object that is KNOWN TO BE 2 feet# from our camera, then find the paper marker in the image, and initialize# the focal lengthimage = cv2.imread("images/2ft.jpg")marker = find_marker(image)focalLength = (marker[1][0] * KNOWN_DISTANCE) / KNOWN_WIDTH

首先是測量目標(biāo)物體的寬度，和目標(biāo)物體到相機(jī)的距離，并根據(jù)上面介紹的方法計算相機(jī)的焦距。其實(shí)這些并不是真正的攝像機(jī)標(biāo)定。真正的攝像機(jī)標(biāo)定包括攝像機(jī)的內(nèi)參，相關(guān)知識可以可以查看這里。

使用 cv2.imread 函數(shù)從磁盤加載圖片，然后通過 find_marker 函數(shù)得到圖片中目標(biāo)物體的坐標(biāo)和長寬信息，最后根據(jù)相似三角形計算出相機(jī)的焦距。

現(xiàn)在有了相機(jī)的焦距，就可以計算目標(biāo)物體到相機(jī)的距離了。

# loop over the imagesfor imagePath in sorted(paths.list_images("images")):    # load the image, find the marker in the image, then compute the    # distance to the marker from the camera    image = cv2.imread(imagePath)    marker = find_marker(image)    inches = distance_to_camera(KNOWN_WIDTH, focalLength, marker[1][0])
    # draw a bounding box around the image and display it    box = cv2.cv.BoxPoints(marker) if imutils.is_cv2() else cv2.boxPoints(marker)    box = np.int0(box)    cv2.drawContours(image, [box], -1, (0, 255, 0), 2)    cv2.putText(image, "%.2fft" % (inches / 12),        (image.shape[1] - 200, image.shape[0] - 20), cv2.FONT_HERSHEY_SIMPLEX,        2.0, (0, 255, 0), 3)    cv2.imshow("image", image)    cv2.waitKey(0)

使用 for 循環(huán)遍歷每個圖片，計算每張圖片中目標(biāo)對象到相機(jī)的距離。在結(jié)果中，我們根據(jù)得到的輪廓信息將方框畫了出來，并顯示出了距離。下面是得到的幾個結(jié)果圖：

總結(jié)

通過這篇文章，我們學(xué)會了使用相似三角形計算圖片中一個已知物體到相機(jī)的距離。

需要先測量出目標(biāo)物體的實(shí)際寬度和目標(biāo)物體到相機(jī)的距離，然后使用圖像處理的方法自動計算圖片中目標(biāo)物體的像素寬度，并使用相似三角形計算出相機(jī)的焦距。

根據(jù)相機(jī)的焦距就可以計算圖片中的目標(biāo)物體到相機(jī)的距離。

     

      下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
      

     
     

      在「小白學(xué)視覺」公眾號后臺回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。
     
     

      

     
     

      下載2：Python視覺實(shí)戰(zhàn)項目52講
     
     

      在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實(shí)戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實(shí)戰(zhàn)項目，助力快速學(xué)校計算機(jī)視覺。
     
     

      

     
     

      下載3：OpenCV實(shí)戰(zhàn)項目20講
     
     

      在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實(shí)戰(zhàn)項目20講，即可下載含有20個基于OpenCV實(shí)現(xiàn)20個實(shí)戰(zhàn)項目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。
     
     

      

     
交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~