提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
先说缺点：单目相机测距需要庞大的样本量(需要事先知道物体的大致高度)。
理论依据：小孔成像，相似三角形。
是：像素坐标系==>相机坐标系==>大地坐标系，三个坐标系之间的转换。
通过图像，找到图像的感兴区域所在的真实位置：
p为感兴区域，(u,v)为p在像素坐标系下的像素点，(u0,v0)为摄像机光轴和图像的交点，(x,y)为p在图像坐标系下的位置。
O2为相机所在位置，(X2,Y2)是相机坐标系，f为焦距(相机到图像的距离)。
H是相机离地面的高度，α为相机的俯仰角，(X2,Y2)为大地坐标系，是P在大地的真实位置。
使用matlab里面的图像处理和视觉的工具包：
导入标定板图片(Add Images)：（从网上下载，最好导入15张以上）
通过Camera Calibrator获取相机的参数(Calibrate)：
通过以上步骤，matlab的工作区里会有我们所需要的相机参数：
得到内参矩阵（IntrinsicMatrix）：
4378.63641114583 0 0
5.21127842219180 4376.52506346791 0
2862.91763839858 2221.66776871603 1
和畸变系数k1,k2(RadialDistortion)、p1,p2(TangentialDistortion)：
k1, k2 = 0.119834359859580, -0.518385077316403
P1, p2 = -8.93400883990887e-05, -0.00140607066202787
内参矩阵和畸变矩阵用来矫正图片。
通过内参矩阵可以得到焦距fx和fy:（测距用）
4378.63641114583 4376.52506346791
1.对标定板进行矫正：
import numpy as np
def show(name):
cv2.imshow('img', name)
cv2.waitKey(0)
cv2.destroyAllWindows()
#内参数矩阵
k = np.array([[4378.63641114583 , 5.21127842219180 , 2862.91763839858 ],
[0, 4376.52506346791, 2221.66776871603],
[0,0,1]])
#畸变系数矩阵，k1 k2 p1 p2 k3
d = np.array([0.119834359859580, -0.518385077316403, -8.93400883990887e-05, -0.00140607066202787, 0])
img = cv2.imread(r'./img.jpg')
h,w = img.shape[:2]
mapx, mapy = cv2.initUndistortRectifyMap(k,d,None,k,(w,h),5)
dst = cv2.remap(img, mapx,mapy,cv2.INTER_LINEAR)
h,w = dst.shape[:2]
h_1,w_1 = h/10,w/10
dst = cv2.resize(dst,(int(w_1),int(h_1)))
show(dst)
得到图片：
2.对目标进行测距（预先知道物体在图像中的感兴区域和物体的大致高度）：
代码如下（示例）：
import cv2
def show(name):
cv2.imshow('img', name)
cv2.waitKey(0)
cv2.destroyAllWindows()
cap = cv2.imread(r'./cap.jpg')
h,w = cap.shape[:2]
h_1,w_1 = h/10, w/10
cap = cv2.resize(cap,(int(w_1),int(h_1)))
# cap_cutout = cap[95:310,260:400]
cap = cv2.rectangle(cap,(260,95),(400,310),(0,255,0),5)
fx = 4378.63641114583
fy = 4376.52506346791
y = 310-95
x = 400-260
distance = (fy*0.1)/(y*10) #只求了y坐标的值。
distance = round(distance*100,2)
distance = str(distance)+'cm'
cap = cv2.putText(cap, distance,(260,85),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2)
print(distance)
show(cap)
得到的结果为：
单目相机测距需要大量的数据库作为测距的支撑，在项目中也需要通过yolo获取想要测量物体在图像中的感兴区域，通过对水杯的测距得到误差在0.36cm左右。