Week 12 — 手机摄像头、ArUco 识别与距离估算

实验目标

通过 OpenCV 和 ArUco 库，完成视觉标记的生成、识别与距离估算，理解机器人视觉定位的基本原理。

本次实验完成内容：

  1. 生成自定义 ArUco 标记（DICT_4X4_50，ID 6）
  2. 识别图像中的 ArUco 标记并标注 ID
  3. 根据像素宽度估算标记与摄像头的实际距离
  4. 保存识别结果和距离估算截图

实验环境

组件 说明
编程语言 Python 3
视觉库 OpenCV (cv2.aruco)
标记字典 DICT_4X4_50
标记 ID 6
标记尺寸 5 cm × 5 cm

实验原理

ArUco 标记

ArUco 是一种黑白方形基准标记，广泛应用于机器人视觉定位。每个标记有唯一 ID，摄像头通过检测角点和解码内部编码来识别。

识别流程

输入图像 → 灰度转换 → 四边形检测 → 字典匹配 → 输出 ID + 角点

距离估算

基于相似三角形原理：

距离 = 实际宽度 × 焦距 / 像素宽度
参数 值 说明
实际宽度 0.05 m ArUco 标记真实尺寸
焦距 700 px 摄像头像素焦距（估算值）
像素宽度 由角点计算 图像中检测到的标记宽度

目录结构

Week12/
├── README.md                    # 本报告
├── aruco_generate_detect.py     # ArUco 生成、识别与距离估算程序
└── img/
    ├── aruco_detect.png         # ArUco ID 6 识别结果
    └── distance_demo.png        # 距离估算标注结果

实验步骤

1. 生成 ArUco 标记

使用 DICT_4X4_50 字典生成 ID 为 6 的 ArUco 标记，输出为 300×300 像素的黑白图像。

2. 识别标记

将标记放置在白色画布上，调用 detectMarkers 检测角点和 ID，确认是否正确识别。

3. 距离估算

从识别到的四个角点计算标记的像素宽度，结合已知的实际宽度和估算焦距，推算出标记与摄像头的距离。

关键命令

# 安装依赖
pip install opencv-python numpy

# 运行 ArUco 生成与检测程序
python3 aruco_generate_detect.py

代码核心逻辑

# 生成标记
dictionary = aruco.getPredefinedDictionary(aruco.DICT_4X4_50)
marker_img = aruco.generateImageMarker(dictionary, marker_id=6, marker_size=300)

# 识别标记
corners, ids, rejected = detector.detectMarkers(canvas)

# 距离估算
pixel_width = (edge1 + edge2) / 2
distance_m = real_marker_size_m * focal_length_px / pixel_width  # 0.05 * 700 / pixel_width

实验证据

ArUco ID 6 识别结果

程序生成的 ArUco ID 6 标记识别结果

距离估算标注

距离估算数值标注在检测框上方

距离估算标注

距离估算数值标注在检测框上方

距离估算标注

距离估算数值标注在检测框上方

遇到的问题与解决

问题 原因 解决方案
OpenCV 版本兼容性 新版 OpenCV 使用 ArucoDetector 类，旧版使用 detectMarkers 函数 使用 hasattr 判断版本，分别实现两种调用方式
距离估算偏差较大 焦距参数 700 为粗略估算值，未经过标定 可通过标准棋盘格标定获得更精确的焦距值
低光照下识别率下降 ArUco 依赖清晰的边缘检测 确保充足光照，或增大标记尺寸提高对比度

总结与反思

核心收获

  1. 视觉定位原理：通过已知尺寸的标记和单目摄像头即可估算距离，这是机器人定位的基础技术。公式 距离 = 实际尺寸 × 焦距 / 像素尺寸 简洁但实用
  2. ArUco 的优势：相比 QR 码，ArUco 专为机器视觉优化——边框清晰、角度鲁棒、可同时识别多个标记
  3. 工程兼容性：OpenCV 不同版本的 API 差异较大，编写兼容代码是工程实践的重要环节

延伸思考

距离估算的精度高度依赖摄像头标定精度。在后续项目中（如机器人抓取），可以：

返回实验导航