Yolov5双目测距-双目相机计数及测距教程（附代码）

引言

在计算机视觉领域，Yolov5-Binocular相机距离计数及测距是一个引人注目的研究方向。本教程将为小白用户提供一个简明扼要的学习指南，涵盖了关键步骤，包括标定、公示推倒以及重要的代码片段。
在这里插入图片描述

第一步：环境搭建

首先，确保你的环境已经正确搭建。你需要安装Yolov5以及相关的依赖项，可以通过以下命令在终端中完成：

pip install torch torchvision
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -U -r requirements.txt

在这里插入图片描述

第二步：标定相机

对于Binocular相机，标定是非常重要的一步，它能够校准相机参数，使得图像中的目标位置能够被准确地映射到相机坐标系中。你可以使用OpenCV中的calibrateCamera函数进行标定。

import numpy as np
import cv2

# 读取标定板图像
images = [cv2.imread(f'path/to/calibration_images/{
      
      i}.jpg') for i in range(1, num_images + 1)]

# 设置标定板参数
pattern_size = (7, 7)
objp = np.zeros((pattern_size[0] * pattern_size[1], 3), np.float32)
objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2)

# 检测角点
objpoints = []
imgpoints = []
gray = cv2.cvtColor(images[0], cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, pattern_size, None)

# 进行标定
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

第三步：公示推倒

公示推倒是为了校正由于镜头畸变而引起的图像失真，使用undistort函数即可进行推倒。这一步非常关键，因为它直接影响到目标在图像中的准确位置。

# 读取待推倒的图像
image = cv2.imread('path/to/image.jpg')

# 进行公示推倒
undistorted = cv2.undistort(image, mtx, dist, None, mtx)

第四步：Yolov5-Binocular相机距离计数及测距

最后，我们将Yolov5与标定后的相机参数结合起来，实现距离计数及测距。首先，确保你已经使用Yolov5训练了一个合适的模型。

在原始的 “yolov5” 中添加了3个文件 —> camera_config.py dis_count.py video_remain.py

1.首先要进行你的双目摄像头的标定具体的标定方法百度上有很多，我推荐matlab标定额因为我没找到python标定很好的程序
2.确定你的双目摄像头是单设备号还是双设备号的，双设备号要确定你的设备号各是多少比如我的摄像头是0和2 我就在video_remain.py 的59/60行写了（0）
3.如果是单设备号百度一下单设备号双目摄像头如何使用

代码说明

camera_config.py 双目摄像头参数
dis_count.py 深度图+距离矩阵
video_remain.py 主函数

在这里插入图片描述

结论

通过本教程，你已经学会了Yolov5-Binocular相机距离计数及测距的基本流程，包括相机标定、公示推倒以及Yolov5模型的应用。希望这对于初学者能够提供一些帮助，也欢迎大家进一步深入研究这个有趣而挑战性的领域。