简介：这是一份基于OpenCV与Python实现相机到物体距离测量的极简项目资源，面向计算机视觉初学者与需要快速实现单目测距功能的开发者。资源核心采用三角形相似度原理，使用前需要先标定两个关键参数——标记物体的真实宽度（或高度）以及相机到该物体的参考距离，然后通过图像处理自动识别物体在图像中的像素尺寸，推算出焦距，之后只需检测到目标物体即可实时估算距离。压缩包仅含2个文件，包括一个可直接执行的Python脚本和一个Markdown格式的说明文档，整体体积仅2KB，结构非常精简，脚本中留有参数初始化位置，便于对照代码理解完整流程并基于自身场景修改扩展。目前已有757人学习浏览，资源虽小但完整演示了从参数标定到实际测距的算法闭环，适合作为学习OpenCV测距原理的入门示例，也可作为后续开发视觉测距功能的基础模板。 做机器视觉项目的朋友应该都有过类似的经历：相机明明能把物体拍得清清楚楚，但系统并不知道它离自己有多远。实验室里量好距离、在代码里写死一个参数，现场环境一变就彻底失灵。今天聊的这套方案，就是基于OpenCV和Python，把“相机到物体的距离”从手工估计变成实时计算。这个需求在工业抓取、机器人避障、智能安防里非常常见，核心思路其实不复杂——初中几何的相似三角形就够用，真正麻烦的是工程落地时，如何把二维图像里的像素点和真实世界里的毫米距离对应起来。
这篇文章我会从原理到代码，把整个实现过程拆开讲清楚。内容包括单目测距的数学基础、相机标定的完整流程、基于已知物体尺寸的距离计算、以及实时视频流里的稳定测距实现。适合有Python基础、想快速在自己的摄像头项目里加入测距能力的读者，也适合正在做机器人、安防、工业检测方向的朋友参考。最终代码量不大，但每一步背后的“为什么”我会尽量说明白，免得你跑完一个demo还是不知道参数该怎么调。
1. 测距原理与方案选型：先搞清楚数学再写代码
1.1 单目测距的三角形相似原理
单目测距最常用的数学模型是三角形相似。先看最基础的关系式：
假设有一个物体实际宽度为 W（单位：毫米），它在相机传感器上成像的宽度为 w（单位：像素），相机焦距为 f（单位：像素）。物体到相机的距离 D 满足：
D = (W × f) / w
这个公式的前提是光轴基本垂直于物体表面，物体表面也相对平整。你看，这和初中物理里的凸透镜成像规律本质是一回事，只不过把像距近似等于焦距，因为物距远大于焦距时这个近似非常准确。
实际项目中，我们通常会测量物体在图像中的宽度或高度，但有个细节容易被忽略：检测到的宽度必须扣除镜头畸变带来的偏移，否则像素宽度本身就不准，后面算出来的距离自然也是错的。这也是为什么后面一定要做相机标定。另外，如果物体是旋转的、倾斜的，或者相机和物体之间有一个夹角，那公式里的 W 就不再是简单的物理宽度，你需要根据夹角做投影修正。这个坑我在做机械臂抓取时踩过好几次，后面会详细说解决办法。
1.2 双目视觉与单目方案的取舍
既然单目测距有那么多限制，那是不是直接用双目视觉更省心？双目方案通过两个相机同时拍摄同一场景，利用左右图像的视差计算深度，原理上更“硬核”，也确实不需要提前知道物体尺寸。但它也有明显的门槛：
| 对比维度 | 单目测距 | 双目测距 |
|---|---|---|
| 硬件成本 | 单个普通相机 | 需要两个同步相机，结构要求高 |
| 标定复杂度 | 只需单相机内参标定 | 需要双目标定、极线校正 |
| 对已知尺寸的依赖 | 依赖已知物体尺寸 | 不依赖，直接算视差 |
| 精度范围 | 近距离精度高，远距离下降快 | 基线和分辨率决定精度，算法复杂 |
| 性价比 | 适合快速落地 | 适合对精度和通用性要求高的场景 |
我做过的不少项目里，其实单目方案已经能覆盖大多数需求，尤其是固定安装、检测对象尺寸已知的场景。举个例子，仓库门口检测货箱距离，箱子规格是固定的，单目完全够用。双目更适合要求“任意物体”都能测距的场景，但算法复杂度、调试成本和计算资源都会明显上升。如果你刚开始做，我建议先用单目跑通流程，搞清楚精度瓶颈在哪，再决定要不要升级到双目。
2. 相机标定是精度的一半：棋盘格标定实战
2.1 为什么必须做标定
不标定就想测距，就像用一把没校零的游标卡尺量工件，量出来的数据只能看看，不能作为依据。相机镜头尤其是广角镜头，天然带有径向畸变和切向畸变，表现就是画面边缘的直线会变弯曲，远近物体的大小比例关系也会被破坏。
标定的目的就是求出相机的内参矩阵和畸变系数。内参矩阵里有 fx、fy（焦距相关参数）和 cx、cy（主点坐标），畸变系数则包括 k1、k2、k3（径向）、p1、p2（切向）。OpenCV 的calibrateCamera函数可以直接从一系列棋盘格图像中解算出这些参数。实际测试中，不做标定直接拿像素宽度算距离，在画面边缘的误差可能达到 20% 以上；做完标定并做畸变校正后，误差通常能控制在 3% 以内，这个差距是肉眼可见的。
2.2 棋盘格标定完整流程与代码
棋盘格标定的流程分四步：准备棋盘格、采集不同位姿的图像、提取角点、计算并保存参数。采集图像这一步最费时间，但也最影响最终精度。我的经验是至少采集 20~30 张，并且要覆盖画面的四角、边缘、中心等不同区域，角度要有倾斜、俯仰、旋转的变化，同时每张图之间棋盘格必须有足够的位移差。只用几张正对着镜头的图片没有太大意义。
下面是完整标定代码，我直接贴一段我自己常用的实现：
import cv2 import numpy as np board_size = (9, 6) # 内角点数量，不是格子数量 square_size = 0.025 # 每个格子的物理边长，单位：米 # 生成棋盘格内角点的三维坐标 objp = np.zeros((board_size[0] * board_size[1], 3), np.float32) objp[:, :2] = np.mgrid[0:board_size[0], 0:board_size[1]].T.reshape(-1, 2) objp *= square_size obj_points = [] # 世界坐标 img_points = [] # 像素坐标 images = glob.glob('calib_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, board_size, None) if ret: # 亚像素级角点精化，这一步能明显提升标定精度 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) obj_points.append(objp) img_points.append(corners2) cv2.drawChessboardCorners(img, board_size, corners2, ret) cv2.imshow('corners', img) cv2.waitKey(100) ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera( obj_points, img_points, gray.shape[::-1], None, None ) print("内参矩阵:\n", mtx) print("畸变系数:\n", dist) # 保存标定结果 np.savez('camera_calib.npz', mtx=mtx, dist=dist)findChessboardCorners提取出来的是整数像素坐标，直接用会产生不小的误差，所以必须用cornerSubPix在附近做亚像素级别的迭代搜索。这一步很多人会跳过，但它的计算量不大，对精度提升却非常明显。另外，square_size一定要填对单位，如果填错，内参里的焦距值并不会错，但实际测距时换算回物理尺寸会整体偏移。
2.3 标定结果的使用与反畸变
标定结果保存成 npz 文件后，在实际测距代码里加载它，并把图像先做一次畸变校正。OpenCV 有两种做法：一种是用undistort，适合一次性处理；另一种是用initUndistortRectifyMap生成映射表，再用remap，适合视频流的逐帧处理，因为映射表只需要计算一次。
mtx = np.load('camera_calib.npz')['mtx'] dist = np.load('camera_calib.npz')['dist'] h, w = frame.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) mapx, mapy = cv2.initUndistortRectifyMap( mtx, dist, None, newcameramtx, (w, h), cv2.CV_32FC1 ) undistorted = cv2.remap(frame, mapx, mapy, cv2.INTER_LINEAR)这里的getOptimalNewCameraMatrix带有一个参数 alpha，alpha=1表示保留所有原始像素，画面边缘会出现黑边；alpha=0表示裁剪掉畸变严重的区域，画面会更干净但视野会稍微变小。视频中实时运行时，undistort每帧都要重新计算，CPU 占用高，而先算remap映射表的方案只做查表，速度要明显更快。这个优化虽然简单，在树莓派这类低算力设备上能省下很多资源。
3. 核心代码实现：从像素坐标到物理距离
3.1 焦距计算与已知物体测距
标定完成后，你就知道了相机的焦距 f（单位是像素）。如果你用的是标定得到的 mtx 矩阵里的 fx，通常直接用 fx 当作公式里的 f 就可以。但如果你用的摄像头没有标定数据，还有一种临时办法：先在已知距离 D 处放一个宽度为 W 的物体，测出它在图像中的像素宽度 w，反推焦距：
f = (D × w) / W
这个方法不需要棋盘格，但前提是物体和光轴垂直、距离测量准确，否则反推出的 f 本身就是带误差的。
先看静态图片测距的完整例子。假设我有一张已经做过畸变校正的图，图中的目标物体是 A4 纸盒，已知宽度 0.21 米，我用轮廓检测找到它在图像中的宽度：
import cv2 import numpy as np KNOWN_WIDTH = 0.21 # 物体实际宽度，单位：米 FOCAL_PIXEL = 850.0 # 标定得到的 fx frame = cv2.imread('box.jpg') frame = cv2.remap(frame, mapx, mapy, cv2.INTER_LINEAR) # 畸变校正 # 假设你已经用颜色/轮廓提取到了物体的 bounding box # 这里用 HSV 分割 + 轮廓外接矩形做示范 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv, (10, 60, 60), (20, 255, 255)) # 根据实际物体调色 contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: area = cv2.contourArea(cnt) if area < 5000: # 过滤小噪点 continue x, y, w, h = cv2.boundingRect(cnt) distance = (KNOWN_WIDTH * FOCAL_PIXEL) / w cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(frame, f"dist: {distance:.2f} m", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)这段代码里最关键的一行就是distance = (KNOWN_WIDTH * FOCAL_PIXEL) / w。它的意思是，物体在图像里占据的像素越多，距离就越近，像素越少，距离就越远，而且距离和像素宽度是反比例关系。你可以自己验证一下：如果距离翻倍，像素宽度正好减半，公式算出来的距离也正好翻倍，这个线性反比关系就是单目测距的全部秘密。
如果你要检测的不是矩形物体，而是圆形的，那可以用最小外接圆，把w换成圆的直径，公式完全一样。如果你要检测的是不规则形状，建议用轮廓的外接矩形宽度而不是轮廓面积，因为面积和距离之间是平方关系，换算起来容易出错。实际上，我也见过有人用轮廓面积反推距离，数学上也能算，但面积对形变太敏感，稍微挡一点计算值就会飘，实战中不如宽度稳定。
3.2 实时视频流测距实现
静态图片测距跑通之后，把它扩展到视频流里非常自然，只需要加上逐帧处理的循环。但视频场景里有两个新的问题：一是怎么稳定地检测目标，二是怎么让距离输出不抖动。针对检测，如果你控制不了场景里物体的颜色，用颜色阈值分割很容易误检，更稳妥的做法是用ArUco 标记或者平面图案，它们天然带编码信息，识别稳定且能直接给出位姿。
ArUco 标记是 OpenCV 里一个很实用的工具，一个黑白二维码样式的方形标记，里面编码了 ID。检测到它之后，不仅能算出中心位置，还能通过estimatePoseSingleMarkers直接得到相机和标记之间的平移向量，平移向量的 z 分量就是距离。下面是实时测距的一段实现：
import cv2 import numpy as np aruco_dict = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_4X4_50) detector_params = cv2.aruco.DetectorParameters() detector = cv2.aruco.ArucoDetector(aruco_dict, detector_params) marker_length = 0.05 # ArUco 标记实际边长，单位：米 mtx = np.load('camera_calib.npz')['mtx'] dist = np.load('camera_calib.npz')['dist'] cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # 畸变校正 h, w = frame.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) mapx, mapy = cv2.initUndistortRectifyMap( mtx, dist, None, newcameramtx, (w, h), cv2.CV_32FC1 ) frame = cv2.remap(frame, mapx, mapy, cv2.INTER_LINEAR) corners, ids, _ = detector.detectMarkers(frame) if ids is not None: rvecs, tvecs, _ = cv2.aruco.estimatePoseSingleMarkers( corners, marker_length, newcameramtx, dist ) for i in range(len(ids)): distance = tvecs[i][0][2] # z 轴分量就是距离 cv2.aruco.drawDetectedMarkers(frame, corners, ids) cv2.drawFrameAxes(frame, newcameramtx, dist, rvecs[i], tvecs[i], 0.03) org = (int(corners[i][0][0][0]), int(corners[i][0][0][1]) - 20) cv2.putText(frame, f"id={ids[i][0]} dist={distance:.3f} m", org, cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imshow('distance', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()ArUco 的优势在于它不仅能测距，还能测出标记相对相机的旋转角度。如果你做的是机器人导航，这个旋转信息可以直接用来判断目标是否正对相机。有一点要注意，estimatePoseSingleMarkers返回的tvecs单位和你传入的marker_length一致，如果你传的是米，出来的距离就是米；如果你传的是厘米，出来的就是厘米，最容易犯的错就是单位不统一导致距离差了 100 倍。
视频流里如果只是简单地把每帧算出来的距离直接显示，你会看到数值一直在抖动。这是因为检测到的角点坐标含有亚像素误差，图像噪声也会让检测结果轻微跳动。解决抖动的办法是把最近几帧的距离做一个滑动平均，或者用一个简单的一阶低通滤波：
smoothed = 0.9 * smoothed + 0.1 * current_distance这个式子会让新的距离只贡献 10% 的变化量，数值会平稳很多，但响应速度会稍微变慢。实际使用时要根据目标移动速度来调整系数，移动快的目标系数可以调到 0.3~0.5，静止的目标调到 0.05~0.1 都可以。
4. 常见问题与精度调优
4.1 常见问题速查表
在实际跑项目时，我积累了一些出现过很多次的问题，整理成一张速查表，基本覆盖了初学者最容易翻车的几个点：
| 问题现象 | 可能原因 | 解决方法 |
|---|---|---|
| ModuleNotFoundError: No module named 'cv2' | Python 环境里没有安装 OpenCV | 在命令行执行pip install opencv-python，Anaconda 用户建议conda install opencv |
findChessboardCorners找不到角点 | 棋盘格图像太暗、反光，或角点数设置错误 | 调整光照，换哑光纸打印棋盘格，确认board_size是内角点数量 |
| 标定出的 fx 异常大或异常小 | square_size单位填错，或采集图像太少 | 统一物理尺寸单位，至少采集 20 张以上不同位姿图像 |
| 测出的距离整体偏小或偏大 | 焦距不准，或畸变校正没做 | 重新标定，确认代码里用的图像确实经过了remap校正 |
| 视频流里距离值剧烈跳动 | 角点检测噪声、没有平滑滤波 | 加滑动平均或一阶低通滤波，固定相机不要有震动 |
| ArUco 检测不到标记 | marker 太小、太远、分辨率不够 | 换更大尺寸的标记，降低检测阈值，确保光照均匀 |
| 近距离和远距离测距误差差异大 | 忽略了对焦变化和视角倾斜 | 固定焦距模式，尽量让相机正对目标，避免斜视 |
最容易翻车的其实是标定环节。比如board_size=(9, 6)指的是每行 9 个内角点、每列 6 个内角点，也就是棋盘格一共有 10×7 个格子，有人拿 9×6 的格子当内角点数填进去，代码直接报错。还有人在打印棋盘格时用了普通 A4 纸但没有贴平整，或者纸面有反光，角点检测的坐标会偏移 1~2 个像素，这些误差最终都会转化成测距误差。
4.2 提升精度的实操经验
聊完问题，再分享几条我认为对精度提升最有帮助的实战经验。
第一，相机尽量固定焦距、固定光圈。手机摄像头和很多网络摄像头都有自动对焦功能，对焦变化会让等效焦距跟着变，而公式里的 f 是一个固定值，对焦一变，测出来的距离就会偏。如果你的摄像头支持手动对焦，先把对焦环固定住；如果支持自动对焦但无法手动关掉，至少保证目标始终在同一个深度范围内，这样对焦能相对稳定。
第二，测量距离不要超过物体宽度的 20~30 倍。举个例子，一个 10 厘米宽的目标，在 3 米远时它在 100 万像素摄像头里大约只占 20~30 个像素宽度，此时单个像素的量化误差就占了 5%，测距误差会非常明显。想测更远，要么换更高分辨率的相机，要么换更大的目标。这不是算法能解决的问题，是物理分辨率的天花板。
第三，相机光轴要尽量垂直于目标表面。相似三角形公式默认物体平面是正对着相机的，如果物体偏转 30 度，它投影出来的宽度会变成原来的 cos30 倍，算出来的距离就会偏大。一般不太容易精确控制夹角，所以最好在标定和实测时都保持相近的姿态，这样误差会系统性地抵消掉一部分。
第四，用多帧平滑加 Kalman 滤波。如果目标不是静止的，简单的滑动平均会有滞后，Kalman 滤波能同时预测和更新，响应更快更稳。OpenCV 里没有直接的卡尔曼类，但用filterpy或手写几行卡尔曼也不复杂。我自己在低速移动的机器人测距场景里，一开始用滑动平均老觉得距离滞后，后来换成卡尔曼，效果好了不少。
第五，不同距离段分别标定和验证。焦距是一个全局参数，但实际镜头在近距离和远距离的畸变表现不完全一致，单一焦距很难在所有距离段都做到最优。我的做法是分别在 0.5 米、1 米、2 米、3 米距离各放一个已知尺寸的目标，实测一遍，看哪个距离段误差最大，然后针对性地调整或做分段校准表，用插值的方式把中间距离的距离值再修正一遍。
5. 写在最后的几句真心话
这套方案做下来，你会发现在工业应用里，精度要求高的时候，单目测距还是有点吃力，但它在很多“够用就好”的场景里真的很有价值。比如智能垃圾桶检测人的距离、无人机定高、机器人寻找充电桩、安防摄像头锁定目标并估算远近，这些场景不需要毫米级精度，单目方案又便宜又好部署，踩过坑之后也容易调优。
最后再分享一个小技巧：如果你不知道自己的相机焦距，又懒得做完整的棋盘格标定，可以先拿一个已知尺寸的物体放在已知距离，反推焦距，然后在这个基础上再慢慢微调。这个临时焦距虽然不如标定结果精确，但能让你在半小时内跑通一整套测距逻辑，先看到效果，再决定要不要投入时间做标定。我自己做任何视觉项目的习惯都是“先用最笨的办法跑通全流程，再优化关键环节”，这样心里有底，出了问题也知道往哪个方向查。希望这篇文章能帮你少踩几个坑，把距离测得更稳一点。
本文还有配套的精品资源，点击获取
