opencv-C++单目测距代码示例

在OpenCV (Computer Vision Library) 中，单目测距通常涉及到结构光（如标定棋盘、立体匹配等）或者基于特征匹配的方法。这里提供一个简单的基于特征匹配（例如SIFT/SURF）的单目深度估计基础示例，假设你已经安装了OpenCV，并且熟悉基本的C++编程。

#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/calib3d/calib3d.hpp>

// 假设我们有一对图像（左眼和右眼）
cv::Mat left_img, right_img;
// 加载图像
if (!cv::imread(left_img_path, left_img) || !cv::imread(right_img_path, right_img)) {
    std::cout << "Error loading images" << std::endl;
    return;
}

// 创建SIFT对象
cv::Ptr<cv::FeatureDetector> sift = cv::xfeatures2d::SIFT::create();
cv::Ptr<cv::DescriptorExtractor> desc_extractor = cv::xfeatures2d::SIFT::create();

std::vector<cv::KeyPoint> keypoints_left, keypoints_right;
cv::Mat descriptors_left, descriptors_right;

// 找到关键点并提取描述符
if (!sift->detect(left_img, keypoints_left) ||
    !desc_extractor->compute(left_img, keypoints_left, descriptors_left) ||
    !sift->detect(right_img, keypoints_right) ||
    !desc_extractor->compute(right_img, keypoints_right, descriptors_right)) {
    std::cout << "Error extracting features" << std::endl;
    return;
}

// 匹配关键点
std::vector<cv::DMatch> matches;
bruteForceMatcher(descriptors_left, descriptors_right, matches); // 使用BFMatcher或其他匹配器

// 进行初步的筛选，比如取前一定数量的匹配
std::vector<cv::DMatch> good_matches;
for (size_t i = 0; i < matches.size(); i++) {
    if (matches[i].distance <= distance_threshold) { // 可自定义距离阈值
        good_matches.push_back(matches[i]);
    }
}

// 根据匹配找到的对应关系计算基本的单目深度估计
std::vector<cv::Point2f> points1(good_matches.size());
std::vector<cv::Point2f> points2(good_matches.size());

for (size_t i = 0; i < good_matches.size(); i++) {
    points1[i] = keypoints_left[good_matches[i].queryIdx].pt;
    points2[i] = keypoints_right[good_matches[i].trainIdx].pt;
}

std::vector<float> depths;
stereoRectifyUncalibrated(points1, points2, left_img.size(), // 将点映射回左右视图
                         depth_map, // 结果深度图像
                         Mat(), Mat()); // 相机内参数和外参数暂时可以为空

// 以上只是一个简化的例子，实际应用中还需要校准相机参数，优化匹配过程，以及处理深度图