基于计算机视觉的实时摄像头形状距离计算

Question

目标是实时检测墙壁并将距离导出到墙壁。有一个设置，一个封闭的 4 面墙，每面墙上有一组独特且理想的形状（三角形，正方形......）一个机器人带摄像头的将在墙壁内漫游并具有计算机视觉。机器人应检测形状并导出相机与墙壁（或该形状）之间的距离。

我已经通过 Opencv 和形状检测 (cv2.approxPolyDP) 和距离计算（周长计算和边缘计数，然后将像素长度转换为实际距离）实现了这个目标。

它在 90 度角时完美工作，但在其他角度时无效。

任何更好的方法。

谢谢

for cnt in contours[1:]:
# considering countours from 1 because from practical experience whole frame is often considered as a contour
        area = cv2.contourArea(cnt)
        # area of detected contour
        approx = cv2.approxPolyDP(cnt, 0.02*cv2.arcLength(cnt, True), True)
        #It predicts and makes pixel connected contour to a shape
        x = approx.ravel()[0]
        y = approx.ravel()[1]
        # detected shape type label text placement 
        perimeter = cv2.arcLength(cnt,True)
        # find perimeter

Answer 1

在其他角度，您可以看到形状的透视图。

您必须使用Geometric Transformations 来中和透视效果（使用已知形状的对象或相机角度）。

还考虑到强烈建议使用校正图像Camera Calibration。

---

编辑：

假设您的墙上有一个正方形。当相机从物体的非 90 度直视视角捕捉图像时。正方形不对齐，看起来变形，这会导致测量误差。

但你可以使用cv2.getPerspectiveTransform()。该函数计算透视变换M的3x3矩阵。

之后使用warped = cv2.warpPerspective(img, M, (w,h)) 并对图像应用透视变换。现在正方形（在warped 图像中）看起来像 90 度直视图，并且您当前的代码在输出图像（warped 图像）上运行良好。

请原谅我的错误解释。也许这篇博文可以帮助你：

4 Point OpenCV getPerspective Transform Example

Find distance from camera to object/marker using Python and OpenCV