python 单目图像测距 python双目摄像头测距

傻瓜版，拿个双目摄像头，标定，得到数据，填进去，调调参数。

两个部分，一个是相机的参数设置，一个是测距

运用matlab里面的stereo Camera Calibrator APP进行拍照

拍个30多张，然后拉线，留个10-20张进行计算，把双目摄像机的数据填到camera_configs.py里面

camera_configs.py如何填写：

在matlab中输入红色框框内的内容，得到相应的数据，依次填入

1、输入：stereoParams.CameraParameters1.IntrinsicMatrix，得到数据后填写时注意进行矩阵的转置

2、stereoParams.CameraParameters1.RadialDistortion  和  stereoParams.CameraParameters1.TangentialDistortion

3、stereoParams.CameraParameters2.IntrinsicMatrix,，得到数据后填写时注意进行矩阵的转置

4、stereoParams.CameraParameters2.RadialDistortion  和  stereoParams.CameraParameters2.TangentialDistortion

5、stereoParams.RotationOfCamera2

6、stereoParams

camera_configs.py

import cv2
import numpy as np

left_camera_matrix = np.array([[  745.7529,    0.1488,  344.5329],
                                [0,  750.1008,  253.2383],
                                [0., 0., 1.]])
left_distortion = np.array([[0.2232,   -1.2455,  -0.0014,    0.0023, -0.2597]])

right_camera_matrix = np.array([[  734.8314,    1.0615,  336.2630],
                               [        0,  738.2798,  267.4528],
                               [         0,         0,    1.0000]])

right_distortion = np.array([[0.3381,   -2.4884, 0.0022,    0.0025,4.6913]])

R = np.matrix([
    [ 1.0000,    0.0022,    0.0022],
    [-0.0022,    1.0000,    0.0088],
    [-0.0022,   -0.0088,    1.0000],
])

# print(R)

T = np.array([-18.0133, 1.0184, 0.9606]) # 平移关系向量

size = (640, 480) # 图像尺寸

# 进行立体更正
R1, R2, P1, P2, Q, validPixROI1, validPixROI2 = cv2.stereoRectify(left_camera_matrix, left_distortion,
                                                                  right_camera_matrix, right_distortion, size, R,
                                                                  T)
# 计算更正map
left_map1, left_map2 = cv2.initUndistortRectifyMap(left_camera_matrix, left_distortion, R1, P1, size, cv2.CV_16SC2)
right_map1, right_map2 = cv2.initUndistortRectifyMap(right_camera_matrix, right_distortion, R2, P2, size, cv2.CV_16SC2)

 depth.py

# 该脚本实现深度图以及点击深度图测量像素点的真实距离
# 可以运行看到效果之后最好自己重新标定一次

from cv2 import cv2
import numpy as np
import camera_configs  # 摄像头的标定数据


cam1 = cv2.VideoCapture(1) # 摄像头的ID不同设备上可能不同
cam2 = cv2.VideoCapture(0) # 摄像头的ID不同设备上可能不同
# cam1 = cv2.VideoCapture(1 + cv2.CAP_DSHOW)  # 摄像头的ID不同设备上可能不同
# cam1.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)  # 设置双目的宽度
# cam1.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)  # 设置双目的高度

# 创建用于显示深度的窗口和调节参数的bar
cv2.namedWindow("depth")
cv2.moveWindow("left", 0, 0)
cv2.moveWindow("right", 600, 0)

# 创建用于显示深度的窗口和调节参数的bar
# cv2.namedWindow("depth")
cv2.namedWindow("config", cv2.WINDOW_NORMAL)
cv2.moveWindow("left", 0, 0)
cv2.moveWindow("right", 600, 0)

cv2.createTrackbar("num", "config", 0, 60, lambda x: None)
cv2.createTrackbar("blockSize", "config", 30, 255, lambda x: None)
cv2.createTrackbar("SpeckleWindowSize", "config", 1, 10, lambda x: None)
cv2.createTrackbar("SpeckleRange", "config", 1, 255, lambda x: None)
cv2.createTrackbar("UniquenessRatio", "config", 1, 255, lambda x: None)
cv2.createTrackbar("TextureThreshold", "config", 1, 255, lambda x: None)
cv2.createTrackbar("UniquenessRatio", "config", 1, 255, lambda x: None)
cv2.createTrackbar("MinDisparity", "config", 0, 255, lambda x: None)
cv2.createTrackbar("PreFilterCap", "config", 1, 65, lambda x: None) # 注意调节的时候这个值必须是奇数
cv2.createTrackbar("MaxDiff", "config", 1, 400, lambda x: None)

# 添加点击事件，打印当前点的距离
def callbackFunc(e, x, y, f, p):
    if e == cv2.EVENT_LBUTTONDOWN:
        print(threeD[y][x])
        if abs(threeD[y][x][2]) < 3000:
            print("当前距离:"+str(abs(threeD[y][x][2])))
        else:
            print("当前距离过大或请点击色块的位置")
cv2.setMouseCallback("depth", callbackFunc, None)

# 初始化计算FPS需要用到参数 注意千万不要用opencv自带fps的函数，那个函数得到的是摄像头最大的FPS
frame_rate_calc = 1
freq = cv2.getTickFrequency()
font = cv2.FONT_HERSHEY_SIMPLEX

imageCount = 1

while True:
    t1 = cv2.getTickCount()
    ret1, frame1 = cam1.read()
    ret1, frame2 = cam2.read()


    if not ret1:
        print("camera is not connected!")
        break

    # 这里的左右两个摄像头的图像是连在一起的，所以进行一下分割
    # frame1 = frame[0:480, 0:640]
    # frame2 = frame[0:480, 640:1280]

    ####### 深度图测量开始 #######
    # 立体匹配这里使用BM算法，
    

    # 根据标定数据对图片进行重构消除图片的畸变
    img1_rectified = cv2.remap(frame1, camera_configs.left_map1, camera_configs.left_map2, cv2.INTER_LINEAR,
                               cv2.BORDER_CONSTANT)
    img2_rectified = cv2.remap(frame2, camera_configs.right_map1, camera_configs.right_map2, cv2.INTER_LINEAR,
                               cv2.BORDER_CONSTANT)

    # 如有些版本 remap()的图是反的 这里对角翻转一下
    # img1_rectified = cv2.flip(img1_rectified, -1)
    # img2_rectified = cv2.flip(img2_rectified, -1)

    # 将图片置为灰度图，为StereoBM作准备，BM算法只能计算单通道的图片，即灰度图
    # 单通道就是黑白的，一个像素只有一个值如[123]，opencv默认的是BGR(注意不是RGB), 如[123,4,134]分别代表这个像素点的蓝绿红的值
    imgL = cv2.cvtColor(img1_rectified, cv2.COLOR_BGR2GRAY)
    imgR = cv2.cvtColor(img2_rectified, cv2.COLOR_BGR2GRAY)

    out = np.hstack((img1_rectified, img2_rectified))
    for i in range(0, out.shape[0], 30):
        cv2.line(out, (0, i), (out.shape[1], i), (0, 255, 0), 1)
    cv2.imshow("epipolar lines", out)

    # 通过bar来获取到当前的参数
    # BM算法对参数非常敏感，一定要耐心调整适合自己摄像头的参数，前两个参数影响大 后面的参数也要调节
    num = cv2.getTrackbarPos("num", "config")
    SpeckleWindowSize = cv2.getTrackbarPos("SpeckleWindowSize", "config")
    SpeckleRange = cv2.getTrackbarPos("SpeckleRange", "config")
    blockSize = cv2.getTrackbarPos("blockSize", "config")
    UniquenessRatio = cv2.getTrackbarPos("UniquenessRatio", "config")
    TextureThreshold = cv2.getTrackbarPos("TextureThreshold", "config")
    MinDisparity = cv2.getTrackbarPos("MinDisparity", "config")
    PreFilterCap = cv2.getTrackbarPos("PreFilterCap", "config")
    MaxDiff = cv2.getTrackbarPos("MaxDiff", "config")
    if blockSize % 2 == 0:
        blockSize += 1
    if blockSize < 5:
        blockSize = 5

    # 根据BM算法生成深度图的矩阵，也可以使用SGBM，SGBM算法的速度比BM慢，但是比BM的精度高
    stereo = cv2.StereoBM_create(
        numDisparities=16 * num,
        blockSize=blockSize,
    )
    stereo.setROI1(camera_configs.validPixROI1)
    stereo.setROI2(camera_configs.validPixROI2)
    stereo.setPreFilterCap(PreFilterCap)
    stereo.setMinDisparity(MinDisparity)
    stereo.setTextureThreshold(TextureThreshold)
    stereo.setUniquenessRatio(UniquenessRatio)
    stereo.setSpeckleWindowSize(SpeckleWindowSize)
    stereo.setSpeckleRange(SpeckleRange)
    stereo.setDisp12MaxDiff(MaxDiff)

    # 对深度进行计算，获取深度矩阵
    disparity = stereo.compute(imgL, imgR)
    # 按照深度矩阵生产深度图
    disp = cv2.normalize(disparity, disparity, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)

    # 将深度图扩展至三维空间中，其z方向的值则为当前的距离
    threeD = cv2.reprojectImageTo3D(disparity.astype(np.float32) / 16., camera_configs.Q)
    # 将深度图转为伪色图，这一步对深度测量没有关系，只是好看而已
    fakeColorDepth = cv2.applyColorMap(disp, cv2.COLORMAP_JET)

    cv2.putText(frame1, "FPS: {0:.2f}".format(frame_rate_calc), (30, 50), font, 1, (255, 255, 0), 2, cv2.LINE_AA)

    # 按下S可以保存图片
    interrupt = cv2.waitKey(10)
    if interrupt & 0xFF == 27:  # 按下ESC退出程序
        break
    if interrupt & 0xFF == ord('s'):
        cv2.imwrite('images/left' +'.jpg', frame1)
        cv2.imwrite('images/right' +'.jpg', frame2)
        cv2.imwrite('images/img1_rectified' +'.jpg', img1_rectified)#畸变，注意观察正反
        cv2.imwrite('images/img2_rectified' +'.jpg', img2_rectified)
        cv2.imwrite('images/depth' +'.jpg', disp)
        cv2.imwrite('images/fakeColor' +'.jpg', fakeColorDepth)
        cv2.imwrite('mages/epipolar' + '.jpg', out)


    ####### 任务1：测距结束 #######

    # 显示
    # cv2.imshow("frame", frame) # 原始输出，用于检测左右
    cv2.imshow("frame1", frame1) # 左边原始输出
    cv2.imshow("frame2", frame2) # 右边原始输出
    cv2.imshow("img1_rectified", img1_rectified) # 左边矫正后输出
    cv2.imshow("img2_rectified", img2_rectified) # 右边边矫正后输出
    cv2.imshow("depth", disp) # 输出深度图及调整的bar
    cv2.imshow("fakeColor", fakeColorDepth) # 输出深度图的伪色图，这个图没有用只是好看

    # 需要对深度图进行滤波将下面几行开启即可 开启后FPS会降低
    img_medianBlur = cv2.medianBlur(disp, 25)
    img_medianBlur_fakeColorDepth = cv2.applyColorMap(img_medianBlur, cv2.COLORMAP_JET)
    img_GaussianBlur = cv2.GaussianBlur(disp, (7, 7), 0)
    img_Blur = cv2.blur(disp, (5, 5))
    cv2.imshow("img_GaussianBlur", img_GaussianBlur) # 右边原始输出
    cv2.imshow("img_medianBlur_fakeColorDepth", img_medianBlur_fakeColorDepth) # 右边原始输出
    cv2.imshow("img_Blur", img_Blur) # 右边原始输出
    cv2.imshow("img_medianBlur", img_medianBlur) # 右边原始输出



    t2 = cv2.getTickCount()
    time1 = (t2 - t1) / freq
    frame_rate_calc = 1 / time1

cam1.release()
cv2.destroyAllWindows()

如何判断数据有没有填对

 看矫正图，每根极线上对应的点是不是一样的。

可能问题：1.摄像头左右标反了、

   2. 如有些opencv版本 remap()的图是反的 这里对角翻转一下

# img1_rectified = cv2.flip(img1_rectified, -1)
    # img2_rectified = cv2.flip(img2_rectified, -1)

 

     3.摄像头输出的是一张图还是两张图，这里的左右两个摄像头的图像是连在一起的，所以进行一下分割

# frame1 = frame[0:480, 0:640]
    # frame2 = frame[0:480, 640:1280]

我的是两张图，所以这一段注释了

 

参数自己看着调，先调前面两个，前面两个出不了距离后面调了也没用

 

效果：

 在depth窗口点击进行测距

先这么写着，以后有时间再写具体的