用ultralytics测距

### 使用 Ultralytics YOLO 进行物体测距

为了利用 Ultralytics 的 YOLO 实现物体测距，主要依赖于已有的目标检测能力并结合几何原理或深度学习模型来估计距离。具体来说，在理解了YOLO v5检测目标的工作机制之后[^1]，可以采用单目或双目的方式来进行测距。

对于单目测距而言，一种常见的方式是通过预先训练好的网络预测场景中的像素级深度信息，进而转换成实际的距离值。这通常涉及到加载预训练的YOLOv5模型用于识别图像内的对象，并应用额外的模块（比如MonoDepth2, MiDaS等）去估算这些被标记出来的区域离相机有多远[^2]。

如果考虑的是双目立体视觉，则需要两幅来自不同视角下的同一时刻的画面作为输入给定至算法处理流程里；接着依据视差图计算出各个位置上的三维坐标系下Z轴方向的具体数值表示该处与摄像装置之间的相对间隔长度。

下面给出一段简单的Python代码片段展示如何集成YOLOv5和MiDaS来做基本的对象定位及其对应的近似物理间距评估：

from ultralytics import YOLO
import torch
import cv2
import numpy as np
from torchvision.transforms import Compose, Resize, ToTensor


def load_model():
    yolo = YOLO('yolov5s.pt')  # 加载YOLOv5小型版本权重文件
    midas = torch.hub.load("intel-isl/MiDaS", "MiDaS_small")  # 轻量版MiDaS模型
    
    device = 'cuda' if torch.cuda.is_available() else 'cpu'
    
    transform = Compose([
        Resize((384, 384)),
        ToTensor()
    ])
    
    return {
        'detector': yolo.to(device),
        'depth_estimator': midas.to(device).eval(),
        'transform': transform,
        'device': device
    }

models = load_model()

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break
        
    transformed_frame = models['transform'](frame).to(models['device']).unsqueeze(0)
    
    with torch.no_grad():
        detections = models['detector'](cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        
        depth_map = models['depth_estimator'](transformed_frame)[0].squeeze().cpu().numpy()
        norm_depth = cv2.normalize(depth_map, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)
        
        for det in detections.xyxy[0]:
            xmin, ymin, xmax, ymax, conf, cls = map(int, det[:6])
            
            avg_depth = float(np.mean(norm_depth[ymin:ymax,xmin:xmax]))
            
            label = f'{avg_depth:.2f}m away'
            cv2.rectangle(frame, (xmin,ymin), (xmax,ymax), color=(0,255,0), thickness=2)
            cv2.putText(frame,label,(xmin,ymin-10),fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=0.9,color=(0,255,0))

    cv2.imshow('Object Detection & Distance Estimation', frame)
    
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

此脚本实现了实时视频流中物体的位置标注以及它们到摄像头的大致直线距离显示功能。需要注意的是这里仅提供了一个基础框架供参考，实际部署时可能还需要针对特定应用场景做更多优化调整工作。