0
0

用普通摄像头测量距离

近年来，由于无人机、无人车等技术的不断成熟，需要用到实时测距的场所也越来越多，如定位，避障，测速等，相比于其他测距方法，单目测距是利用一个摄像头进行视频拍摄，在图像中找到待测物体。这一系列动作，涉及到了物体的识别，相机的结构，坐标变换的一些知识，距离的获取是一个很广泛的课题，用摄像头来测距是其中一个方向，包括单目测距、双目测距、结构光测距等方法。
在这里，我们主要用一个摄像头通过建立一定的模型来解决测距的问题。

1. 安装包

  1. python 3.7 或以上
  1. pip install cvzone
  2. pip install mediapipe

2.成像原理

单目摄像头的模型可以近似考虑为针孔模型，如图所示
在这里插入图片描述

  • f: 焦距
  • W: 目标物体的实际宽度
  • w: 成像后的宽度
  • d: 物体与相机之间的实际距离或深度

f 、d、w、W的之间的关系如下：

  1.       d
  2.      
  3.      
  4.       f
  5.      
  6.     
  7.     
  8.      =
  9.     
  10.     
  11.      
  12.       W
  13.      
  14.      
  15.       w
  16.      
  17.     
  18.    
  19.    
  20.     \frac{d}{f}=\frac{W}{w}
  21.    
  22.   
  23.  fd​=wW​

2.1 相机校准

我们的目标是计算出目标物体的

  1. 距离d

,但前提需要知道

  1. 焦距f

,焦距f的计算公式如下：

  1.      f
  2.     
  3.     
  4.      =
  5.     
  6.     
  7.      
  8.       
  9.        w
  10.       
  11.       
  12.        ∗
  13.       
  14.       
  15.        d
  16.       
  17.      
  18.      
  19.       W
  20.      
  21.     
  22.    
  23.    
  24.     f=\frac{w*d}{W}
  25.    
  26.   
  27.  f=Ww∗d​

我们可以将一个物体放在离摄像头已知的距离

  1. d

,同时我们知道实际物体的宽度

  1. W

,以及呈像后的宽度w，从而上述公式计算出焦距

  1. f

。

2.2 计算物体的距离d

相机校准后，

  1. 焦距f

的值即为已知，根据如下公式，可计算出目标物体的距离：

  1.      d
  2.     
  3.     
  4.      =
  5.     
  6.     
  7.      
  8.       
  9.        f
  10.       
  11.       
  12.        ∗
  13.       
  14.       
  15.        W
  16.       
  17.      
  18.      
  19.       w
  20.      
  21.     
  22.    
  23.    
  24.     d=\frac{f*W}{w}
  25.    
  26.   
  27.  d=wf∗W​

如果我们知道已知物体的

  1. W

,和成像后的

  1. w

,就可以实时计算出目标物体的距离d。

3 案例介绍

在这里插入图片描述
本文以人脸两只眼睛的距离作为目标物体的

  1. W

, 由于男性两只眼睛距离为

  1. 64cm

，女性两只眼睛距离为

  1. 62cm

，我们这里取平均值

  1. 63

作为人脸眼睛的距离。因此计算人脸的距离，只需知道成像后的

  1. w

，即可计算出人脸离摄像头的距离

  1. d

.

3.1 检测人脸

  1. import cv2
  2. import cvzone
  3. import cvzone.FaceMeshModule import FaceMeshDetector
  5. # 检测人脸
  6. detector=FaceMeshDetector(maxFaces=1)
  7. cap=cv2.VideoCapture(0)whileTrue:
  8.     success,img =cap.read()
  9.     img,faces=detector.findFaceMesh(img)
  10.     cv2.imshow("Image",img)
  11.     cv2.waitKey(1)

在这里插入图片描述

3.2 计算视频中双眼的距离

  1. import cv2
  2. import cvzone
  3. import cvzone.FaceMeshModule import FaceMeshDetector
  5. # 检测人脸
  6. detector=FaceMeshDetector(maxFaces=1)
  7. cap=cv2.VideoCapture(0)whileTrue:
  8.     success,img =cap.read()
  9.     img,faces=detector.findFaceMesh(img)if faces:
  10.         face =faces[0]
  11.         pointLeft=face[145]#左眼中心点坐标
  12.         pointRight=face[375]#右眼中心点坐标# 绘制人眼中心点并连线
  13.         cv2.line(img,pointLeft,pointRight,(0,200,0),3)
  14.         cv2.circle(img,pointLeft,5,(255,0,255),cv2.FILLED)
  15.         cv2.circle(img,pointRight,5,(255,0,255),cv2.FILLED)
  16.         w,_=detector.findDistance(pointLeft,pointRight)print(w)
  17.             
  18.     cv2.imshow("Image",img)
  19.     cv2.waitKey(1)

在这里插入图片描述

3.3 相机标定：计算焦距f

  1. ```python
  2. import cv2
  3. import cvzone
  4. import cvzone.FaceMeshModule import FaceMeshDetector
  6. # 检测人脸
  7. detector=FaceMeshDetector(maxFaces=1)
  8. cap=cv2.VideoCapture(0)whileTrue:
  9.     success,img =cap.read()
  10.     img,faces=detector.findFaceMesh(img)if faces:
  11.         face =faces[0]
  12.         pointLeft=face[145]#左眼中心点坐标
  13.         pointRight=face[375]#右眼中心点坐标# 绘制人眼中心点并连线
  14.         cv2.line(img,pointLeft,pointRight,(0,200,0),3)
  15.         cv2.circle(img,pointLeft,5,(255,0,255),cv2.FILLED)
  16.         cv2.circle(img,pointRight,5,(255,0,255),cv2.FILLED)
  17.         w,_=detector.findDistance(pointLeft,pointRight)#保持人脸到摄像头50cm下测量# Finding the Focal Length
  18.         W=6.3# 真实人脸间距 6.3cm
  19.         d=50# 保持人脸到摄像头50cm的距离
  20.         f=(w*d)/W
  21.         print(f)
  22.             
  23.     cv2.imshow("Image",img)
  24.     cv2.waitKey(1)

3.4 计算人脸到相机的距离

根据上一步，相机标定的结果。假设计算出相机的

  1. 焦距f

f =840 mm

根据公式：

  1.      d
  2.     
  3.     
  4.      =
  5.     
  6.     
  7.      
  8.       
  9.        f
  10.       
  11.       
  12.        ∗
  13.       
  14.       
  15.        W
  16.       
  17.      
  18.      
  19.       w
  20.      
  21.     
  22.    
  23.    
  24.     d=\frac{f*W}{w}
  25.    
  26.   
  27.  d=wf∗W​

即可计算出实时的人脸到摄像头的距离

  1. import cv2
  2. import cvzone
  3. import cvzone.FaceMeshModule import FaceMeshDetector
  5. # 检测人脸
  6. detector=FaceMeshDetector(maxFaces=1)
  7. cap=cv2.VideoCapture(0)whileTrue:
  8.     success,img =cap.read()
  9.     img,faces=detector.findFaceMesh(img)if faces:
  10.         face =faces[0]
  11.         pointLeft=face[145]#左眼中心点坐标
  12.         pointRight=face[375]#右眼中心点坐标# 绘制人眼中心点并连线
  13.         cv2.line(img,pointLeft,pointRight,(0,200,0),3)
  14.         cv2.circle(img,pointLeft,5,(255,0,255),cv2.FILLED)
  15.         cv2.circle(img,pointRight,5,(255,0,255),cv2.FILLED)
  16.         w,_=detector.findDistance(pointLeft,pointRight)#保持人脸到摄像头50cm下测量
  17.         W=6.3# 真实人脸间距 6.3cm# Finding the Focal Length# d= 50 # 保持人脸到摄像头50cm的距离# f=(w*d)/W# print(f)# Finding distance
  18.         f =840# 根据相机标定的结果
  19.         d =(W * f)/w
  20.         print(d)
  21.         cvzone.putTextRect(img,f'Depth:{int(d)}cm',(face[10][0]-100,face[10][1]-50),scale=2)
  22.             
  23.     cv2.imshow("Image",img)
  24.     cv2.waitKey(1)

在这里插入图片描述

可以看到：人脸靠近相机d越来越小，远离相机d越来越小。从而可以大致判断出人脸离相机的距离。虽然达不到深度相机那么精确，但在某些场景中，该计算出的距离应用起来可以有不错的效果

标签： 网络 计算机视觉 深度学习
本文转载自: https://blog.csdn.net/weixin_38346042/article/details/122825401
版权归原作者 @BangBang 所有， 如有侵权，请联系我们删除。
登录后发布评论

“用普通摄像头测量距离”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？