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
文章图片
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
from cv2 import cv2
import numpy as np
left_camera_matrix = np.array([[ 392.9351, 0.1468, 310.0016],
[0, 393.6869, 279.4163],
[0., 0., 1.]])
left_distortion = np.array([[0.0396, -0.0643, 0.0038, 0.0013, 0.0370]])
right_camera_matrix = np.array([[ 393.0777, 0.4140, 344.1193],
[ 0, 394.0348, 242.2463],
[ 0, 0, 1.0000]])
right_distortion = np.array([[0.0503, -0.0820, 0.0045, 0.0014, 0.0571]])
R = np.matrix([
[ 1.0000, 0.0014, 0.0033],
[-0.0014, 1.0000, 0.0020],
[-0.0033, -0.0020, 1.0000],
])
# print(R)
T = np.array([-18.1454, -0.3016, 0.4750]) # 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
文章图片
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：
文章图片
文章图片
在depth窗口点击进行测距
文章图片
【双目测距python_python、opencv 双目视觉测距代码】先这么写着，以后有时间再写具体的
