摄像头测距方案

2026-03-06

该应用是一个基于 Quectel Pi H1 智能主控板，通过双目摄像头采集画面，在预览界面点击目标区域，测量摄像头到该物体的真实世界距离的项目。

该项目通过调用双目摄像头同时采集左右目画面，利用双目视差原理计算目标距离，并提供了摄像头标定、参数调节等辅助功能，可作为双目测距、立体视觉及机器人视觉导航类应用的参考示例。

开发资源汇总

开发配件清单

配件名称 数量 规格参数
Quectel Pi H1 智能主控板 1块 Quectel Pi H1智能生态开发板
USB双目摄像头 1个 推荐分辨率：2560×720（左右各1280×720）；输出格式：YUYV/MJPG
USB-C 电源线充电器 1个 27W USB Type-C接口充电器 1.2米线长中规电源PD电源 适用于树莓派5代
USB-C DP 显示线 /HDMI 线 1根 规格：DP 1.4；线长：1m；接口：USB-C（公头）- USB-C（公头）
规格：HDMI 2.0；线长：1m；接口：HDMI-A（公头）-HDMI-D（公头）
CPU 散热风扇（可选） 1个 树莓派5代官方原装散热器带导热贴
显示屏 1个 24英寸HDMI显示器
棋盘格标定板（可选） 1个 规格：9×6 内角点（可用手机屏幕显示）

配件实物参考

Quectel套件

双目摄像头

棋盘标定板

快速上手

开发准备

Quectel Pi H1智能主控板出厂默认搭载 Debian 13 系统镜像，因此无需再次烧录镜像，仅需按照如下步骤操作即可。

硬件连接

显示连接

将 HDMI 线一端接入智能主控板的 HDMI 接口，另一端接入显示器的 HDMI 接口。

输入设备连接

将 USB 键盘、鼠标接入智能主控板的两个 USB-A 接口上，若用无线输入设备，将接收器插入 USB 口即可。

双目摄像头连接

将 USB 双目摄像头接入智能主控板的 USB-A 接口。

网线连接

将网线一端接入智能主控板的千兆网口，另一端接入路由器的网口（确保路由器已联网）。

电源连接

将 USB-A 电源线的 USB-A 端接入电源适配器，USB-C 端接入智能主控板的电源口（通常标注POWER IN）。

项目实现

安装前置

确认有网络连接后，打开终端输入命令：

sudo apt update && sudo apt install -y v4l-utils python3-pip

上述命令将更新软件源并安装项目运行所需的一些库，具体包括：

  • v4l-utils：提供 v4l2-ctl 等摄像头工具，用于读取和设置摄像头参数；
  • python3-pip：Python 包管理器，用于安装项目依赖。

获取代码

下载代码

代码解压到设备

安装 Python 依赖

pip install -r requirements.txt

依赖包说明：

  • PySide6：Qt6 的 Python 绑定，用于构建图形用户界面；
  • opencv-python：OpenCV 图像处理库，用于摄像头采集、图像处理和立体视觉计算；
  • numpy：数值计算库，用于矩阵运算和标定参数处理。

操作步骤

标定流程（首次使用）

首次使用需要进行摄像头标定，以获取准确的测距参数。

第一步：采集标定图像

运行标定图像采集工具：

python3 tools/capture_calib_images.py

程序会自动检测双目摄像头并显示预览画面，按照提示操作：

  1. 将棋盘格标定板放置在摄像头前方不同位置和角度
  2. 按 s 键保存当前图像对（建议采集 15-20 对）
  3. 按 q 键退出采集程序

第二步：生成标定参数

采集完成后，运行标定参数生成工具：

python3 tools/generate_calib_params.py

程序会自动读取标定图像并计算双目标定参数，生成 tools/stereo_calib_params.npz 文件。

运行测距应用

完成标定后，运行主程序：

cd src
python3 main.py

程序启动后将显示图形界面，提供以下功能：

功能按钮说明

按钮 功能说明
Left Camera Preview 左摄像头单独预览，观察画面
Right Camera Preview 右摄像头单独预览，观察画面
Take Left/Right Picture 双目拍照，检查左右画面是否存在偏移,有偏移说明双目摄像头工作正常
Start Ranging Mode 进入测距模式，点击预览画面即可测量目标距离

测距操作

  1. 点击 "Start Ranging Mode" 进入测距模式
  2. 在预览画面上点击目标位置
  3. 等待距离计算结果显示在顶部提示栏

摄像头参数调节

程序右侧提供摄像头参数调节面板，可调节以下参数(也可根据具体摄像头可调节参数设置范围)：

参数 说明 范围
Brightness 亮度 -64 ~ 64
Contrast 对比度 0 ~ 95
Saturation 饱和度 0 ~ 100
Hue 色调 -2000 ~ 2000
Gamma 伽马值 100 ~ 300
Sharpness 锐度 1 ~ 7
Backlight Comp 背光补偿 0 / 1
Exposure Time 曝光时间 3 ~ 2047
WB Temp 白平衡色温 2800 ~ 6500

日志显示区域

右侧上方区域可输出应用运行过程中的日志信息

应用演示

双目摄像头标定过程注意事项

标定图像采集注意事项

图像质量

要求：

  • 清晰度保证：确保棋盘格在左右两个摄像头中完全可见，避免运动模糊
  • 光照条件：避免强光直射和严重阴影，保证均匀光照
  • 避免反光：如果使用手机屏幕显示棋盘格，注意避免屏幕反光导致角点检测失败

采集策略：

  • 不同距离：在摄像头前0.3m-2m范围内变化距离
  • 不同角度：左右倾斜±30°，上下倾斜±20°，旋转±15°
  • 不同位置：棋盘格应覆盖画面的左上、右上、左下、右下、中心等不同区域
  • 数量建议：至少15对有效图像，建议20对以上以提高标定精度

注意事项：

  • 内角点数量：CHESSBOARD_SIZE 表示内角点数量，不是方格数量。例如9×6的内角点对应10×7的方格
  • 物理尺寸准确性：SQUARE_SIZE 必须与实际方格边长一致，直接影响基线距离和测距精度
  • 打印建议：
    • 打印纸质棋盘格时，确保平整无皱褶
    • 使用手机屏幕显示时，注意屏幕尺寸测量准确
    • 推荐方格边长：8-12mm

提高精度的方法：

  • 增加标定图像数量（建议20对以上）
  • 确保图像覆盖更多角度和位置
  • 提高图像清晰度，避免模糊
  • 检查棋盘格物理尺寸设置是否正确

验证要点：

  • 基线距离：baseline 应与实际双目摄像头物理间距接近（通常40-120mm）
  • 焦距一致性：左右相机焦距应相近，差异过大说明标定有问题
  • 畸变系数：dist_l 和 dist_r 数值应在合理范围内（通常绝对值<1）

双目测距过程注意事项

测距原理与公式

# 测距公式：Z = (f × B) / d
# 其中：
# - f: 焦距（像素）
# - B: 基线距离（米）
# - d: 视差（像素）
distance = (f * self._baseline) / disparity

影响测距精度的关键因素：

  • 视差计算准确性：受立体匹配算法和图像质量影响
  • 标定参数准确性：基线距离和焦距参数
  • 目标点特征：纹理丰富度影响视差计算

SGBM立体匹配参数调优

stereo = cv2.StereoSGBM_create(
    minDisparity=0,               # 最小视差
    numDisparities=16*12,         # 视差搜索范围（必须是16的倍数）
    blockSize=11,                 # 匹配块大小（奇数，3-21）
    P1=8*3*11*11,                 # 视差平滑惩罚项1
    P2=32*3*11*11,                # 视差平滑惩罚项2
    disp12MaxDiff=1,              # 左右一致性检查最大差异
    uniquenessRatio=10,           # 唯一性比率
    speckleWindowSize=100,        # 散斑过滤窗口大小
    speckleRange=32,              # 散斑过滤范围
    mode=cv2.STEREO_SGBM_MODE_HH  # 高精度模式
)

参数调优建议：

参数 调优原则 影响
numDisparities 根据最近测距距离调整，值越大计算越慢 影响最近测距距离
blockSize 纹理少时增大，纹理丰富时减小 影响匹配精度和速度
P1/P2 P2应大于P1，通常P2=4×P1 影响视差图平滑度
uniquenessRatio 值越大匹配越严格 减少误匹配
speckleWindowSize 去除视差图噪点 值越大去噪效果越强

测距精度影响因素

有效测距范围

# 测距范围受视差搜索范围限制
max_disparity = numDisparities  # 192 (16*12)
min_distance = (f * baseline) / max_disparity

示例计算：

  • 焦距 f = 695 像素
  • 基线 B = 0.0735 米
  • 最大视差 = 192
  • 最近测距距离 = (695 × 0.0735) / 192 ≈ 0.27米

视差有效性过滤

# 代码中的视差过滤逻辑
for dy in range(-kernel//2, kernel//2 + 1):
    for dx in range(-kernel//2, kernel//2 + 1):
        d = disparity_map[y, x]
        if d > 0.5:  # 过滤弱视差噪声
            disparity += d
            valid_count += 1

注意事项：

  • 视差值过小（<0.5）通常表示无效匹配
  • 采用5×5邻域平均减少噪声影响
  • 有效点数过少时应提示用户重新点击

距离合理性检查

# 对计算结果进行合理性验证
z_3d = point_3d[2]
if 0.01 < z_3d < 100.0:
    distance = z_3d
else:
    # Z不合理时用公式计算
    distance = (f * self._baseline) / disparity

测距误差来源：

  • 标定误差：基线距离和焦距参数不准确
  • 视差误差：立体匹配算法精度限制
  • 图像质量：光照、模糊、纹理不足
  • 距离因素：距离越远，视差越小，相对误差越大

常见问题及解决方案

标定相关问题

角点检测失败率高

现象：

Warning: Skip 5th pair - chessboard not detected in left image
Valid image pairs for calibration: 8 (need ≥10)

解决方案：

  • 改善光照条件，避免阴影和反光
  • 确保棋盘格完全在画面内
  • 增加图像对比度
  • 减小棋盘格尺寸或增大拍摄距离
  • 使用更清晰的棋盘格图像源

基线距离异常

现象：

Baseline Length: 0.1234 meters (应该约为0.06米)

解决方案：

  • 重新测量方格实际物理尺寸
  • 检查 SQUARE_SIZE 参数设置
  • 确保棋盘格平面平整
  • 重新进行标定

测距相关问题

测距结果为0或无效

现象：

Error: Ranging failed - No valid disparity points

原因分析：

  • 点击区域纹理不足或重复纹理
  • 点击区域过远或过近
  • 图像质量差（模糊、光照不足）
  • 未加载标定参数

解决方案：

# 检查标定参数是否加载
if not self._is_calibrated:
    LogManager.append_log("Warning: No calibration loaded!")
  • 确保已加载标定参数文件
  • 点击纹理丰富的区域
  • 改善光照条件
  • 调整SGBM参数增大 numDisparities

测距精度低、误差大

现象：
实际距离1米，测量结果0.8米或1.2米

解决方案：

  • 检查标定质量：重投影误差应<1.0
  • 优化SGBM参数：根据测距范围调整 numDisparities 和 blockSize
  • 改善图像质量： 
    # 增强对比度
clahe = cv2.createCLAHE(clipLimit=6.0, tileGridSize=(8, 8))

视差图质量差

现象：
视差图充满噪点，无法识别物体轮廓

解决方案：

  • 调整预处理参数：

    # 增强对比度
clahe = cv2.createCLAHE(clipLimit=6.0, tileGridSize=(8, 8))

# 增强降噪
gray_left = cv2.GaussianBlur(gray_left, (5, 5), 0)
gray_left = cv2.medianBlur(gray_left, 5)

  • 调整SGBM参数：

    # 增强匹配严格性
uniquenessRatio=15
speckleWindowSize=150

  • 检查标定参数：重新标定以获得更好的校正效果