本文共 1797 字，大约阅读时间需要 5 分钟。

对于刚开始学习OpenCV的朋友来说，每一次探索都是收获新知识的机会。单目测距作为OpenCV的重要功能之一，往往是学习过程中需要深入理解的地方。本文将为大家介绍如何在OpenCV中实现单目测距操作，并分享一些实用的方法和技巧。

在单目测距之前，我们需要明确几个关键参数：被测物的实际宽度W（实际测量值）、被测物的像素宽值P（相机输出值）、被测物与相机的距离D以及相机的焦距F。这些参数之间的关系通过以下两个公式得到描述：

首先，焦距F可以通过以下公式计算得出： F = (P * D) / W

其次，实距D则可以通过以下公式计算： D = (W * F) / P

在实际操作中，单目测距的过程可以分为几个关键步骤。首先，我们需要通过实验数据精确求出相机的焦距。具体来说，就是通过测量被测物的实际宽度W，再设定一组测一测的距离D，进而算出准确的焦距F。这种方法通常需要手工调整镜头，确保得到的数据具有一定的稳定性和准确性。

在焦距确定后，下一步就是进行精确的装甲板测量。装甲板上的两个矩形区域中心点之间的实际距离需要通过尺子准确测量，以便最终得到一个稳定的预测值。这个步骤的关键在于，既要保证仪器的准确性，又要让装甲板的位置尽量保持稳定，避免因为装甲板微小振动带来的测距误差。

当有了准确的W和F值后，剩下的就只是一键测距了。系统会自动生成相机距离D的值，直接将结果呈现在屏幕上。值得注意的是，测距结果可能会有微小误差，这时候应该回到第一个步骤，重新校准镜头参数，确保测量结果的准确性。

对于选择合适的相机焦距F值，系统会给出两种预设选项：普通相机的7.00mm焦距和工业相机的10.3mm焦距。用户需要根据实际使用场景选择最合适的焦距值。系统会根据被测物的实际宽度W和相机与被测物的距离D，自动计算出最合理的焦距。

最后，源码部分可以通过以下函数实现：

float distanceCamera(const RotatedRect r1, const RotatedRect r2) {
    float x1 = r1.center.x;
    float y1 = r1.center.y;
    float x2 = r2.center.x;
    float y2 = r2.center.y;
    float rectans_distance = sqrt(pow(x1 - x2, 2) + pow(y1 - y2, 2));
    
    unsigned int half_girth = r1.size.width + r1.size.height;
    float aspect_ratio = rectans_distance / half_girth;
    
    if (aspect_ratio > 3.6550) {
        Actual_length = 2300; // 大 ，两轮廓中心点实际距离 mm
    } else {
        Actual_length = 1350; // 小 ，两轮廓中心点实际距离 mm
    }
    
    float focal_length = 7.00; // 普通相机焦距 mm
    // float focal_length = 10.3; // 工业相机焦距 mm
    
    float Distance_to_camera = (Actual_length * focal_length) / rectans_distance;
    return Distance_to_camera;
}

这个函数首先计算两个旋转矩形中心点的距离，然后通过测量出的实际长度和焦距计算出相机到被测物的实际距离。函数返回的是相机到被测物的距离值。

在实际应用中，可能会遇到一些常见问题。例如，有时候测量结果会不够精确，或者焦距选择不当。解决方法就是通过重新校准镜头参数，确保测量工具的准确性。定期进行校准可以有效提高测距结果的准确性。

通过以上方法，大家可以轻松实现OpenCV中的单目测距功能。如果在实际应用中发现测距结果有偏差，可以参考以上方法，逐步优化校准流程，确保测量的准确性。对于更深入的探索，我建议大家多查阅相关资料，多参与项目实践，以积累更多实际经验。