在树莓派实现单目测距Python+OpenCv（通过颜色提取+轮廓检测提高识别准确率）

一、开发环境

   树莓派的操作系统为官网推荐的操作系统Raspbain，摄像头用的是手动调焦的USB网络摄像头，三十万像素。视觉图像处理采用OpenCV-3.4.1，至于如何在树莓派上装OpenCV，请自行百度，推荐链接https://blog.csdn.net/leaves_joe/article/details/67656340

   PS:为了给树莓派装上OpenCV的开发环境是个艰难历程，前后花了两天时间，经历了各种坑，树莓派前后共不停的编译了9个小时才成功装上了OpenCV。

二、单目测距实现思路

   之前我在网上搜索查询时，大部分教程都采用了轮廓识别的方法进行单目测距的实现，但经实验发现，此方法极易受到复杂环境的干扰，如果要识别的物体的轮廓没有特别明显的特征，或者说背景杂物的轮廓特征比目标物体还要明显，那识别出来的结果肯定不准确，轮廓识别的方法推荐下面链接，建议看懂链接内容后再转回来继续阅读 https://blog.csdn.net/weixin_41695564/article/details/80454055

  所以，我采用了颜色识别+轮廓检测的办法。先经过颜色识别提取，比如把明显的红色物体提取出来，屏蔽图片内掉其他非红色物体，此时，就大大减少了干扰物，最后再加上轮廓识别方法进行单目测距的计算，颜色提取方法推荐链接，建议看懂链接内容后再转回来继续阅读 http://www.php.cn/python-tutorials-391922.html

  我要识别的物体是宽19cm的红旗，有两个好处：一是为方形的，容易进行轮廓计算。二是为鲜艳的红色，方便进行颜色提取。当然可以用其他物品，知道其长宽和RGB值颜色范围就行。

三、完整代码

import numpy as np
import cv2


def find_marker(Img):
    kernel_2 = np.ones((2,2),np.uint8)#2x2的卷积核
    kernel_3 = np.ones((3,3),np.uint8)#3x3的卷积核
    kernel_4 = np.ones((4,4),np.uint8)#4x4的卷积核
    if Img is not None:#判断图片是否读入
        HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把BGR图像转换为HSV格式
        '''
        HSV模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）
        下面两个值是要识别的颜色范围
        '''
        Lower = np.array([0, 128, 46])#要识别红色颜色的下限
        Upper = np.array([5, 255,  255])#要识别红色颜色的上限
        #mask是把HSV图片中在颜色范围内的区域变成白色，其他区域变成黑色
        mask = cv2.inRange(HSV, Lower, Upper)
        #下面四行是用卷积进行滤波
        erosion = cv2.erode(mask,kernel_4,iterations = 1)
        erosion = cv2.erode(erosion,kernel_4,iterations = 1)
        dilation = cv2.dilate(erosion,kernel_4,iterations = 1)
        dilation = cv2.dilate(dilation,kernel_4,iterations = 1)
        #target是把原图中的非目标颜色区域去掉剩下的图像
        target = cv2.bitwise_and(Img, Img, mask=dilation)
        #将滤波后的图像变成二值图像放在binary中
        ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY)
        #在binary中发现轮廓，轮廓按照面积从小到大排列
        (_, cnts, _)= cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
        
        if cnts==[]:
           return 0
    c= max(cnts, key = cv2.contourArea) 
    return cv2.minAreaRect(c)
 
def distance_to_camera(knownWidth, focalLength, perWidth):  
    return (knownWidth * focalLength) / perWidth            
 
KNOWN_DISTANCE = 102
KNOWN_WIDTH = 19
KNOWN_HEIGHT = 8.27
image = cv2.imread("/home/pi/Pictures/distanceTest.jpeg") 
marker = find_marker(image)           
focalLength = (marker[1][0] * KNOWN_DISTANCE) / KNOWN_WIDTH

camera = cv2.VideoCapture(0)
while camera.isOpened():
    (grabbed, frame) = camera.read()
    marker = find_marker(frame)
    
    if marker == 0:
       cv2.imshow("captureR", frame)
       cv2.destroyWindow("captureR")
    
       continue
    inches = distance_to_camera(KNOWN_WIDTH, focalLength, marker[1][0])
   
    box = cv2.boxPoints(marker)
    box = np.int0(box)
    cv2.drawContours(frame, [box], -1, (0, 255, 0), 2)
    cv2.putText(frame, "%.2fcm" % (inches),
             (frame.shape[1] - 600, frame.shape[0] - 20), cv2.FONT_HERSHEY_SIMPLEX,
         2.0, (0, 255, 0), 3)
    cv2.imshow("capture", frame)
   
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
camera.release()
cv2.destroyWindow("capture")

四、效果图

注：图1并非原图，不应该有绿色方框，但原图在树莓派系统里（此示例为在电脑上跑出的），树莓派已装入小车，不方便取出，用此图代替。

                                                                                                     图1