Question

对不起，因为我是编码的新手。首先，出于该项目的目的，我正在使用 Python绑定到OpenCV的库。

我的相机已经过校准，以显示鱼眼失真。我分别获得了K和D，相机固有矩阵和失真矩阵的以下值：

K = [[438.76709 0.00000 338.13894]
[0.00000 440.79169 246.80081]
[0.00000 0.00000 1.00000]]

D = [-0.098034379506 0.054022224927 -0.046172648829 -0.009039512970]

Focal length: 2.8mm
Field of view: 145 degrees (from manual)

当我不变形并显示图像时，我得到的图像在被拉伸得太远（预期）的区域具有黑色像素。但是，由于对象不大，因此不会妨碍对象宽度的计算，并且会填充图像的20％。

我将放置物体距相机镜头 10cm 。根据我在针孔相机模型上阅读的内容，我将需要用于控制3D到2D转换的外部参数。但是，我不确定应该如何推导它。

假设我有2个点的像素坐标（每个点都沿着它们之间的边缘，我想测量距离），我如何使用这些导出的矩阵找到这两个点之间的真实距离？

如果我的矩形对象不平行于相机的主轴，那么即使在这种情况下，有没有一种算法可以计算宽度？

Answer 1

我将使用类似的三角形来确定图像中的宽度与对象宽度成比例的(distance of camera to object)/(focal length)，在您的情况下为100/2.8。这是在假设对象位于图像中心（即相机正前方）的情况下进行的。

Answer 2

鉴于相机和物体之间的距离是固定的，您可以做的是首先找出所找到的拐角之间的像素距离，然后将其转换为毫米使用像素/毫米比率/比例因子来确定您的对象宽度。

使用的算法是哈里斯角点检测 Harris Corner Detection

捕获其中包含对象的框架

cap = cv2.VideoCapture(0)
while(True):
#Capture frame-by-frame
ret, frame = cap.read()
cv2.imshow('LIVE FRAME!', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
    break
#Save it to some location
cv2.imwrite('Your location', frame)

首先使用参考对象校准像素/毫米比。

 #Read Image
image = cv2.imread('Location of your previously saved frame with the object in it.')
object_width = input(int("Enter the width of your object: ")
object_height = input(int("Enter the height of your object: ")


#Find Corners
def find_centroids(dst):
    ret, dst = cv2.threshold(dst, 0.01 * dst.max(), 255, 0)
    dst = np.uint8(dst)

    # find centroids
    ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)
    # define the criteria to stop and refine the corners
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 
                0.001)
    corners = cv2.cornerSubPix(gray,np.float32(centroids[1:]),(5,5), 
              (-1,-1),criteria)
    return corners

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray, 5, 3, 0.04)
dst = cv2.dilate(dst, None)

# Get coordinates of the corners.
corners = find_centroids(dst)



for i in range(0, len(corners)):
    print("Pixels found for this object are:",corners[i])
    image[dst>0.1*dst.max()] = [0,0,255]
    cv2.circle(image, (int(corners[i,0]), int(corners[i,1])), 7, (0,255,0), 2)

for corner in corners:
    image[int(corner[1]), int(corner[0])] = [0, 0, 255]


a = len(corners)
print("Number of corners found:",a)

#List to store pixel difference.
distance_pixel = []

#List to store mm distance.
distance_mm = []


    P1 = corners[0]
    P2 = corners[1]
    P3 = corners[2]
    P4 = corners[3]

    P1P2 = cv2.norm(P2-P1)
    P1P3 = cv2.norm(P3-P1)
    P2P4 = cv2.norm(P4-P2)
    P3P4 = cv2.norm(P4-P3)

    pixelsPerMetric_width1 = P1P2 / object_width
    pixelsPerMetric_width2 = P3P4 / object_width
    pixelsPerMetric_height1 = P1P3 / object_height
    pixelsPerMetric_height2 = P2P4 / object_height



    #Average of PixelsPerMetric
    pixelsPerMetric_avg = pixelsPerMetric_width1 + pixelsPerMetric_width2 + pixelsPerMetric_height1 + pixelsPerMetric_height2 

    pixelsPerMetric = pixelsPerMetric_avg / 4
    print(pixelsPerMetric)
    P1P2_mm = P1P2 / pixelsPerMetric
    P1P3_mm = P1P3 / pixelsPerMetric
    P2P4_mm = P2P4 / pixelsPerMetric
    P3P4_mm = P3P4 / pixelsPerMetric

    distance_mm.append(P1P2_mm)
    distance_mm.append(P1P3_mm)
    distance_mm.append(P2P4_mm)
    distance_mm.append(P3P4_mm)

    distance_pixel.append(P1P2)
    distance_pixel.append(P1P3)
    distance_pixel.append(P2P4)
    distance_pixel.append(P3P4)

以像素和毫米为单位打印距离，即宽度和高度

print(distance_pixel)
print(distance_mm)

pixelsPerMetric是您的比例因子，它给出每毫米的平均像素数。您可以修改此代码以使其符合您的需求。

在摄像机（校准后）到我的物体的距离固定的情况下，如何测量物体的宽度？

2 个答案: