实现双目摄像头测距的代码

以下是一个简单的双目摄像头测距的代码示例：

import cv2
import numpy as np

# 定义摄像头
cap_left = cv2.VideoCapture(1)
cap_right = cv2.VideoCapture(2)

# 设置摄像头分辨率
cap_left.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap_left.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
cap_right.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap_right.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

# 定义相机参数
focal_length = 3.04
baseline = 0.073

while True:
    # 读取图像
    ret_left, img_left = cap_left.read()
    ret_right, img_right = cap_right.read()

    # 将图像转换为灰度图
    gray_left = cv2.cvtColor(img_left, cv2.COLOR_BGR2GRAY)
    gray_right = cv2.cvtColor(img_right, cv2.COLOR_BGR2GRAY)

    # 利用SIFT算法提取关键点和特征描述子
    sift = cv2.xfeatures2d.SIFT_create()
    kp_left, des_left = sift.detectAndCompute(gray_left, None)
    kp_right, des_right = sift.detectAndCompute(gray_right, None)

    # 匹配关键点
    bf = cv2.BFMatcher()
    matches = bf.knnMatch(des_left, des_right, k=2)

    # 筛选匹配点对
    good = []
    for m, n in matches:
        if m.distance < 0.75 * n.distance:
            good.append(m)

    # 计算深度信息
    if len(good) > 10:
        # 提取匹配点的坐标
        pts_left = np.float32([kp_left[m.queryIdx].pt for m in good]).reshape(-1, 1, 2)
        pts_right = np.float32([kp_right[m.trainIdx].pt for m in good]).reshape(-1, 1, 2)

        # 计算视差
        disparity = pts_left[:, 0, 0] - pts_right[:, 0, 0]

        # 计算深度
        depth = focal_length * baseline / disparity
        depth = np.clip(depth, 0, 10)  # 限制深度在0-10米之间

        # 在左图上绘制深度信息
        for i, pt in enumerate(pts_left):
            cv2.circle(img_left, tuple(pt[0]), 3, (0, 0, 255), -1)
            cv2.putText(img_left, '{0:.3f}m'.format(depth[i]), tuple(pt[0]), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)

    # 显示图像
    cv2.imshow('left', img_left)
    cv2.imshow('right', img_right)

    # 按下q键退出程序
    if cv2.waitKey(1) == ord('q'):
        break

# 释放摄像头并关闭窗口
cap_left.release()
cap_right.release()
cv2.destroyAllWindows()

在这个示例代码中，我们利用了OpenCV提供的SIFT算法来提取图像中的关键点和特征描述子，并利用BFMatcher算法进行关键点匹配。然后，我们根据匹配点的坐标计算视差，并利用相机参数计算深度信息。最后，我们在左图上绘制深度信息，并将结果显示在窗口中。