如何用摄像头来测距（opencv）

作者：郭世龙

       最近一直忙着找工作，blog都长草了，今天把以前作的一个东西放上来充充门面吧。记得在哪看到过老外做的这个东西，觉得很好玩，就自己也做了一个。在摄像头下面固定一个激光笔，就构成了这个简易的测距装置。看一下图吧。

  原 理

  假设激光束是与摄像头的光轴完全平行，激光束的中心落点在在摄像头的视域中是最亮的点。激光束照射到摄像头视域中的跟踪目标上，那么摄像头可以捕捉到这个点，通过简单的图像处理的方法，可以在这侦图像中找到激光束照射形成的最亮点，同时可以计算出Y轴上方向上从落点到图像中心的象素的个数。这个落点越接近图像的中心，被测物体距离机器人就越远。由下图图可以计算距离D：

（1）

  等式中h是一个常量，是摄像头与激光发射器之间的垂直距离，可以直接测量获得。

θ可通过下式计算：
θ=Num*Rop+Offset      （2）                           
其中：Num是从图像中心到落点的像素个数
Rop是每个像素的弧度值
Offset是弧度误差
合并以上等式可以得到：
（3）
Num可以从图像上计算得到。Rop和Offset需要通过实验计算获得。首先测量出D的准确值，然后根据等式（1）可以计算出准确的θ，根据等式（2）可到只含有参数Rop和Offset的方程。在不同的距离多次测量D的准确值计算θ，求解方程组可以求出Rop和Offset。这里Rop＝0.0030354，Offset＝0.056514344。
程 序
头文件：
class LaserRange 
{
public:
struct RangeResult * GetRange(IplImage * imgRange,IplImage * imgDst);
 LaserRange();
 virtual ~LaserRange();
 
private:
    unsigned   int maxW;
   unsigned   int maxH;
    unsigned   int MaxPixel;
    RangeResult * strctResult;
   
 // Values used for calculating range from captured image data
 const double gain; // Gain Constant used for converting pixel offset to angle in radians
 const double offset; // Offset Constant
 const double h_cm;  // Distance between center of camera and laser
    unsigned int pixels_from_center; // Brightest pixel location from center
      
 void Preprocess(void * img,IplImage * imgTemp);
};
cpp文件：

LaserRange::LaserRange():gain(0.0030354),offset(0),h_cm(4.542)
{
  maxW=0;
  maxH=0;
  MaxPixel=0;
  
  pixels_from_center=0;    // Brightest pixel location from center
  strctResult=new RangeResult;
 
  strctResult->maxCol=0;
  strctResult->maxRow=0;
  strctResult->maxPixel=0;
  strctResult->Range=0.0;
 }
LaserRange::~LaserRange()
{
  if(NULL!=strctResult) delete strctResult;
}
struct RangeResult * LaserRange::GetRange(IplImage * imgRange,IplImage * imgDst)
{ 
    if(NULL==imgRange) return   strctResult;
       Preprocess(imgRange,imgDst);
      
    pixels_from_center = abs(120-maxH);
 // Calculate range in cm based on bright pixel location, and setup specific constants
     strctResult->Range= h_cm/tan(pixels_from_center * gain + offset);
      
    strctResult->PixfromCent=pixels_from_center;
       strctResult->maxCol=maxW;
       strctResult->maxRow=maxH;
       strctResult->maxPixel=MaxPixel;
       //strctResult->Range=0.0;
         return  strctResult;
}

void LaserRange::Preprocess(void *img, IplImage * imgTemp)
{
    MaxPixel=0;                //处理下一帧前 最大像素值清零；
   IplImage* image = reinterpret_cast<IplImage*>(img);
   
       cvCvtPixToPlane( image,0 ,0 ,imgTemp , 0);
  
      for( int j=((imgTemp->width-60)/2-1); j<(imgTemp->width-40)/2+59; j++) 
  {
    for(int i=5; i<imgTemp->height-5; i++)
    {
   
    if((imgTemp->imageData[i*imgTemp->widthStep+j])>MaxPixel)
    {
     if( ((imgTemp->imageData[(i-1)*imgTemp->widthStep+j])>MaxPixel) && ((imgTemp->imageData[(i-1)*imgTemp->widthStep+j+1])>MaxPixel) &&((imgTemp->imageData[(i-1)*imgTemp->widthStep+j-1])>MaxPixel)   )
     { 
      if( ((imgTemp->imageData[(i+1)*imgTemp->widthStep+j])>MaxPixel) && ((imgTemp->imageData[(i+1)*imgTemp->widthStep+j+1])>MaxPixel) &&((imgTemp->imageData[(i+1)*imgTemp->widthStep+j-1])>MaxPixel)   )
       {
       if((imgTemp->imageData[i*(imgTemp->widthStep)+j+1])>MaxPixel)
       {
       if((imgTemp->imageData[i*(imgTemp->widthStep)+j-1])>MaxPixel)
       {
         MaxPixel=imgTemp->imageData[i*imgTemp->widthStep+j] ;
         maxW=j;
         maxH=i;
       }
       }
       }
     }
    }
  }
      
}
调用函数：
int CLaserVisionDlg::CaptureImage()
{
   // CvCapture* capture = 0;
 
   // capture = cvCaptureFromCAM(0);  //0表示设备号
    if( !capture )
    {
        fprintf(stderr,"Could not initialize capturing.../n");
        return -1;
    }
 
   // cvNamedWindow( "LaserRangeImage", 1 );
  // cvvNamedWindow( "image", 1);
   cvvNamedWindow( "Dimage", 1);
  
   for(;;)
    {
        IplImage* frame = 0;
      
  if(isStop) break;
        frame = cvQueryFrame( capture ); //从摄像头抓取一副图像框架
        if( !frame )
            break;
       if( !imgOrign )
        {
            //allocate all the buffers
            imgOrign = cvCreateImage( cvGetSize(frame), 8, 3 );    //创建一副图像
            imgOrign->origin = frame->origin;
    
  }
        cvCopy( frame, imgOrign, 0 );  //将图frame复制到image
  //cvShowImage("LaserRangeImage",imgOrign); 
    
 
       if(!imgDest)
    {
   imgDest=cvCreateImage( cvSize( imgOrign->width,imgOrign->height),8,1);
      cvZero( imgDest );
    }
        struct RangeResult * temp= laservsion.GetRange(imgOrign,imgDest);
   
        cvLine( imgOrign,cvPoint(temp->maxCol,0), cvPoint(temp->maxCol,imgOrign->height),cvScalar(100,100,255,0),1,8,0);
        cvLine( imgOrign,cvPoint(0,temp->maxRow), cvPoint(imgOrign->width,temp->maxRow),cvScalar(100,100,255,0),1,8,0);

   
       // cvvShowImage( "image", imgOrign);
  cvSaveImage("image.bmp", imgOrign);
         
        cvvShowImage( "Dimage", imgDest);
      
        //在PictureBox上显示图片
  CDC* pDC = GetDlgItem(IDC_Picture)->GetDC();
        CDC dcmemory;
        BITMAP bm;
        dcmemory.CreateCompatibleDC(pDC);
        CBitmap* pBmp;
        CString szFileName = "image.bmp";
        HBITMAP hBk = (HBITMAP)::LoadImage(NULL,szFileName,IMAGE_BITMAP,0,0,LR_LOADFROMFILE);  
       if(NULL!=hBk)  
    {
        pBmp=CBitmap::FromHandle(hBk);
        pBmp->GetObject(sizeof(BITMAP), &bm);
        dcmemory.SelectObject(pBmp);
        pDC->BitBlt(0, 0, bm.bmWidth, bm.bmHeight, &dcmemory, 0, 0, SRCCOPY);
    }
      
      
       char str[80];         // To print message
    CDC *pDCp= GetDC(); 
       char str2[80];
     
    // Display frame coordinates as well as calculated range
       sprintf(str, "Pix Max Value=%d  At x= %u, y= %u, PixfromCent= %d",temp->maxPixel,temp->maxCol, temp->maxRow, temp->PixfromCent);
       sprintf(str2, "Range= %f cm ",temp->Range);
       pDCp->TextOut(30, 33, str);
       pDCp->TextOut(50, 50, str2);
    ReleaseDC(pDCp);
    
      int  c = cvWaitKey(10);
      //  if( c == 'q' )
       //     break;
     
 }
//cvReleaseCapture( &capture );
//cvDestroyWindow("LaserRangeImage");
// cvDestroyWindow( "image");
 cvDestroyWindow( "Dimage");
return 0;
}
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

AI-咕泡-人工智能深度学习系统班（第十一期）

2025年的AI领域正在经历深刻变革，大模型、多模态、AI Agent等技术重构着整个行业的技术栈。对于程序员来说，这既是挑战也是机遇。咕泡第十一期的价值在于，它提供了一个系统化升级技术能力的路径。通过原理深度理解+工程实践积累+新赛道探索的三重组合，帮助程序员实现从"代码实现者"到"系统设计者"的关键跃迁。在这个技术快速迭代的时代，唯一不变的是我们对技术本质的理解和工程能力的积累。选择正确的学习

avatar 2048 AI社区

多路由隔离：构建模块化Agent工具服务器

"""搜索GitHub仓库"""q=@github_mcp . tool() async def search_github_repos(query : str , limit : int = 10) - > Dict [ str , Any ] : """搜索GitHub仓库""" url = f"https://api.github.com/search/repositories?q= {

avatar 2048 AI社区

基于多智能体的自动化公司治理风险评估

在当今复杂多变的商业环境中，公司面临着各种各样的治理风险，如战略风险、合规风险、财务风险等。传统的公司治理风险评估方法往往依赖于人工经验和有限的数据，存在评估效率低、准确性差等问题。本研究的目的在于引入多智能体系统，实现公司治理风险的自动化评估，提高评估的效率和准确性，为公司管理层提供更及时、可靠的决策依据。本研究的范围涵盖了多智能体系统的基本原理、公司治理风险的分类与评估指标体系、基于多智能体的

avatar 2048 AI社区