1. 项目概述：从一张照片到真实距离

“基于相机模型的单目测距——普通相机”，这个标题听起来有点学术，但它的核心目标非常直接：只用一台普通的、没有深度传感器的摄像头（比如你的手机摄像头），通过一张照片，估算出画面中某个物体离你到底有多远。这听起来像是科幻电影里的技术，但实际上，它背后的数学原理（相机模型）和工程实践（OpenCV等工具）已经相当成熟，是计算机视觉领域一个经典且实用的课题。

我最初接触这个需求，是在一个机器人导航项目中。当时预算有限，没法上昂贵的激光雷达或多目立体视觉系统，但机器人又需要判断前方障碍物的距离来决定是否绕行。于是，单目测距就成了一个极具性价比的解决方案。它不要求特殊的硬件，仅凭一个普通的USB摄像头或手机摄像头就能工作，核心在于对相机本身的精确“理解”和对场景的合理假设。

简单来说，这个过程可以拆解为三个关键步骤：首先，你得知道你的相机“看”世界的方式，这通过“相机标定”来获取相机的内参；其次，你需要识别并定位图像中的目标物体；最后，结合已知的物体尺寸或场景几何约束，利用透视投影原理反推出距离。整个流程的精度，很大程度上取决于第一步——相机标定的准确性。这也是为什么相关热搜词里，“相机标定”和“相机内参”会如此高频地出现。

这篇文章，我将以一个从业者的角度，带你完整走一遍用普通相机实现单目测距的实战流程。我们会从最基础的相机模型讲起，手把手完成相机标定，然后探讨在实际场景中（比如已知物体尺寸、或地面假设）如何计算距离，并分享我在调试过程中踩过的坑和积累的经验。无论你是做机器人、自动驾驶、AR应用，还是单纯对技术好奇，这篇内容都能给你提供一套可直接复现的代码和清晰的思路。

2. 核心原理：透视投影与相机模型拆解

为什么一张2D的图片能反推出3D的距离？这背后的基石是针孔相机模型和透视投影原理。理解了这个，你才能明白后续所有操作的意义，而不是机械地调用几个OpenCV函数。

2.1 针孔相机模型：世界如何被压扁在传感器上

想象一下一个暗箱，前端有一个小孔。外界的光线穿过这个小孔，在暗箱后端的感光平面上形成一个倒立的像。这就是最简化的针孔相机模型。在这个模型里，有几个关键点：

1. 光心（Optical Center）：可以近似理解为那个小孔的位置，是所有光线汇聚的虚拟点。
2. 图像平面（Image Plane）：就是感光元件（CMOS/CCD）所在的位置。
3. 焦距（Focal Length）：光心到图像平面的垂直距离。

一个现实世界中的点P(X, Y, Z)（以相机光心为原点的坐标系下），通过光心投影到图像平面上，形成一个点p(u, v)。它们之间的关系，就是透视投影的核心公式（齐次坐标下）：s * [u, v, 1]^T = K * [X, Y, Z]^T其中，s是一个任意的尺度因子（因为从3D到2D丢失了深度信息），K就是我们要标定的相机内参矩阵。

2.2 内参矩阵K：相机的“身份证”

内参矩阵K描述了相机自身的属性，与它的摆放位置和朝向无关。一个常用的形式是：

K = [ fx, 0, cx; 0, fy, cy; 0, 0, 1 ]

• fx, fy：以像素为单位的焦距。fx = f / dx,fy = f / dy。其中f是物理焦距，dx, dy是传感器每个像素的物理尺寸。由于制造工艺，fx和fy可能略有不同。
• cx, cy：主点坐标，通常是图像的中心点（width/2, height/2）。它表示光轴与图像平面的交点。
• 0：这里假设图像坐标系的两个轴是严格垂直的，对于大多数现代相机，这个假设是合理的。如果存在严重的镜头畸变导致轴不垂直，这里会有一个倾斜参数s，但通常可以忽略。

为什么内参如此重要？因为它建立了图像像素坐标(u, v)与相机坐标系下方向射线之间的映射关系。知道了K，给定一个图像点，我们就能知道在相机前方，有一条特定的空间射线对应着这个像素。测距问题，就变成了如何在这条射线上确定一个具体的点（即物体的真实位置）。

2.3 从2D回推3D：为什么需要额外假设？

从公式s * p = K * P可以看出，我们想要求解P(X, Y, Z)，但一个方程有X, Y, Z, s四个未知数，而p(u, v)只提供了两个约束（方程）。这就是单目视觉固有的尺度不确定性：你无法区分一个物体是小的但很近，还是大的但很远。

因此，单目测距必须引入额外的先验信息或假设来固定这个尺度。最常见的有两种思路：

1. 已知物体尺寸：如果你知道目标物体在现实世界中的实际大小（比如一个边长为15cm的立方体，一个身高1.7米的人），那么通过它在图像中占据的像素大小，就可以根据相似三角形原理计算出距离。
2. 已知场景几何：比如假设目标物体放置在一个水平地面上（地面假设），并且我们知道相机离地面的高度。那么物体接地点在图像中的位置，就可以唯一确定其到相机的水平距离。

注意：镜头畸变（径向畸变和切向畸变）会破坏理想的针孔模型，导致直线在图像中变弯。因此，在利用内参进行几何计算前，必须先对图像进行畸变校正，将图像点校正到符合针孔模型的位置。OpenCV的标定过程会同时计算出畸变系数，用于后续校正。

3. 实战第一步：高精度相机标定详解

标定的目的是精确获取相机的内参矩阵K和畸变系数dist。OpenCV提供了非常完善的工具链，但魔鬼藏在细节里。标定的精度直接决定了后续测距的可靠性。

3.1 工具与材料准备

• 相机：任何普通的USB摄像头、网络摄像头、手机摄像头均可。建议使用焦距固定的镜头，变焦镜头会增加复杂度。
• 标定板：推荐使用棋盘格。因为它角点检测稳定、精度高。打印一张棋盘格（例如9x6个内角点，每个方格边长建议在20-30mm），并将其贴在一个非常平整的硬质表面（如亚克力板、厚卡纸）。平整度至关重要，翘曲的纸会引入标定误差。
• OpenCV库：确保安装了包含contrib模块的OpenCV，用于更稳定的角点检测。可以通过pip install opencv-contrib-python安装。
• 拍摄环境：光线均匀，避免反光和阴影覆盖角点。从不同角度、不同距离拍摄标定板，覆盖整个图像区域。

3.2 标定流程与代码实操

标定的本质是求解一个最优化问题：寻找一组内参和畸变系数，使得根据这些参数将三维标定板角点投影到二维图像上时，与实际检测到的图像角点之间的误差最小。

以下是使用OpenCV进行标定的核心代码步骤和解释：

import cv2 import numpy as np import glob # 1. 定义棋盘格尺寸（内角点数量，非方格数） pattern_size = (8, 5) # 例如，棋盘格有9x6个方格，则内角点为8x5 # 2. 准备物体点（世界坐标系中的角点3D坐标，Z=0） 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) # 假设每个方格实际边长为25mm square_size = 25.0 # 单位：毫米 objp *= square_size # 3. 用于存储所有图像的对象点和图像点 objpoints = [] # 3d点 in real world space imgpoints = [] # 2d点 in image plane. # 4. 读取所有标定图片 images = glob.glob('./calibration_imgs/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 查找棋盘格角点 ret, corners = cv2.findChessboardCorners(gray, pattern_size, None) # 如果找到，添加对象点和图像点（细化后） if ret: objpoints.append(objp) # 亚像素级角点检测，提升精度 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) corners_refined = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria) imgpoints.append(corners_refined) # 可视化（可选） cv2.drawChessboardCorners(img, pattern_size, corners_refined, ret) cv2.imshow('Corners Found', img) cv2.waitKey(500) cv2.destroyAllWindows() # 5. 相机标定 ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None) print("相机内参矩阵 K:\n", mtx) print("\n畸变系数 (k1, k2, p1, p2, k3):\n", dist.ravel()) # 6. 评估重投影误差（衡量标定质量） mean_error = 0 for i in range(len(objpoints)): imgpoints2, _ = cv2.projectPoints(objpoints[i], rvecs[i], tvecs[i], mtx, dist) error = cv2.norm(imgpoints[i], imgpoints2, cv2.NORM_L2) / len(imgpoints2) mean_error += error print(f"\n平均重投影误差: {mean_error/len(objpoints):.6f} 像素")

关键操作解析：

• findChessboardCorners: 自动检测棋盘格角点的初始位置。
• cornerSubPix:这是提升精度的关键一步。初始角点坐标是整数像素级，此函数通过迭代搜索，将其优化到亚像素级别（如0.1像素），显著提高标定精度。
• calibrateCamera: 执行核心的标定优化计算。返回内参矩阵mtx、畸变系数dist、以及每张图片的旋转向量rvecs和平移向量tvecs。
• 重投影误差：这是标定质量的黄金指标。它计算的是，用标定出的参数将3D点重新投影到2D图像，与真实检测到的2D点之间的平均像素误差。一般来说，误差小于0.5像素可以认为是优秀，小于1像素可以接受。如果误差大于2像素，就需要检查标定板平整度、图片数量和质量、角点检测是否正确。

3.3 标定经验与避坑指南

1. 图片数量与质量：至少需要10-15张不同位姿的清晰图片。太少会导致过拟合或解不稳定。确保标定板覆盖图像的各个角落（尤其是边缘，畸变更明显）和不同深度。
2. 标定板平整度：这是最容易被忽视的误差源。一张A4纸打印后很容易弯曲。务必贴在硬板上，拍摄时也确保其平整。
3. 光照均匀：避免局部高光或阴影，这会导致角点检测失败或位置偏移。
4. 保存与使用参数：标定一次后，将mtx和dist保存为文件（如np.save），后续测距程序直接加载使用，无需重复标定。
5. 畸变校正验证：标定后，用cv2.undistort()函数校正一张图片，观察原本弯曲的直线（如图像边缘的门框）是否被拉直，这是检验畸变系数是否有效的直观方法。

4. 单目测距的两种核心实现方法

拿到精确的内参和畸变系数后，我们就可以进行测距了。下面介绍两种最常用、也最实用的方法。

4.1 方法一：基于已知物体尺寸的测距

这是最直观的方法。前提是：你知道目标物体的真实物理尺寸（如宽度W或高度H）。

原理：物体在图像中成像的像素宽度w_pixel，物体的实际物理宽度W_real，物体的距离Z（沿光轴方向），以及焦距f（物理焦距，但我们可以用像素焦距fx代替，并假设物体正面平行于图像平面）满足相似三角形关系：W_real / Z = w_pixel / fx。因此，Z = (W_real * fx) / w_pixel。

实操步骤：

1. 图像预处理与目标检测：使用你的方法（如YOLO、颜色分割、轮廓检测等）定位目标物体，并获取其像素级宽度或高度。例如，用一个矩形框住物体，框的宽度就是w_pixel。
2. 畸变校正：将检测到的像素坐标（或整个图像）用cv2.undistort()进行校正，确保使用的是无畸变的坐标进行计算。
3. 距离计算：

   import cv2 import numpy as np # 加载之前标定的参数 mtx = np.load('camera_mtx.npy') # 内参矩阵 dist = np.load('camera_dist.npy') # 畸变系数 # 假设已知物体的真实宽度（米） OBJECT_REAL_WIDTH = 0.15 # 例如，一个杯子的宽度是0.15米 # 读取图像并校正畸变 img = cv2.imread('test_image.jpg') h, w = img.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w,h), 1, (w,h)) dst = cv2.undistort(img, mtx, dist, None, newcameramtx) # 假设通过某种检测，我们得到了物体边界框的像素坐标 (x_min, y_min, x_max, y_max) # 这里用模拟数据代替 bbox = [320, 180, 480, 420] # [x1, y1, x2, y2] pixel_width = bbox[2] - bbox[0] # 计算距离 (使用内参矩阵中的fx) fx = mtx[0, 0] distance = (OBJECT_REAL_WIDTH * fx) / pixel_width print(f"检测到的像素宽度: {pixel_width}") print(f"估算距离: {distance:.3f} 米")

注意事项：

• 物体朝向：公式Z = (W_real * fx) / w_pixel成立的前提是物体正面完全平行于图像平面。如果物体有旋转，其成像宽度会变窄，导致距离估算偏大。对于非刚体或姿态变化的物体，此方法误差较大。
• 尺寸准确性：OBJECT_REAL_WIDTH必须尽可能准确。对于同一类物体（如易拉罐），可以使用平均尺寸。
• 检测框精度：目标检测框的边界是否紧贴物体实际边缘，直接影响pixel_width的准确性。

4.2 方法二：基于地面假设的测距（单目逆透视变换）

这在机器人、自动驾驶中非常常见。前提是：相机固定安装，且其离地面的高度H已知，目标物体与地面有接触点。

原理：我们建立两个坐标系：图像坐标系(u, v)和真实世界的地面坐标系(X, Y)，其中Y是相机前进方向，X是横向方向，地面为Z=0平面。通过相机内参和外参（主要是相机高度和俯仰角），可以建立一个从图像像素到地面坐标的映射关系，即逆透视变换（IPM）。

推导与实现：

1. 定义坐标系：相机坐标系原点在光心，Z轴沿光轴向前，Y轴向下，X轴向右。地面点P_g = (X, 0, Z)在相机坐标系下（这里Z是距离，注意与地面坐标系区分）。
2. 投影关系：地面点投影到图像点p=(u,v)，满足s * [u, v, 1]^T = K * [X, H, Z]^T。其中H是相机光心离地高度（绝对值，因为Y轴向下）。
3. 求解距离：我们可以消去尺度因子s，得到两个方程。对于地面上的点（Y = H），可以解出：Z = (H * fx) / (v - cy)（这是一个简化公式，假设相机没有俯仰角且主点准确）。 更通用的，需要先通过标定确定相机相对于地面的旋转矩阵R和平移向量t（t[1]即高度H），然后通过cv2.undistortPoints和cv2.solvePnP等函数进行坐标转换。

简化版地面测距代码示例（假设相机无俯仰，光轴平行地面）：

def estimate_distance_to_ground_point(img_point_v, camera_matrix, camera_height): """ 估算图像中一个地面接触点到相机的纵向距离。 :param img_point_v: 地面接触点在图像中的v坐标（行坐标）。 :param camera_matrix: 相机内参矩阵K。 :param camera_height: 相机光心离地面的高度，单位米。 :return: 沿光轴方向的估计距离，单位米。 """ fx = camera_matrix[0, 0] cy = camera_matrix[1, 2] # 注意：这个公式是简化版，假设主点在图像中心且无俯仰。 # 更精确的做法需要结合相机外参（俯仰角）。 distance = (camera_height * fx) / (img_point_v - cy) return distance # 使用示例 camera_height = 1.2 # 米，相机离地高度 # 假设检测到前方一个物体的接地点在图像中的v坐标为400 v_coord = 400 dist = estimate_distance_to_ground_point(v_coord, mtx, camera_height) print(f"物体接地点的估计距离: {dist:.3f} 米")

注意事项：

• 相机外参标定：简化公式误差大。实践中，需要精确标定相机相对于地面的姿态（俯仰角、滚转角）。这可以通过在已知尺寸的地面上放置标定板，用cv2.solvePnP求解。
• 地面平坦假设：必须假设物体所在区域地面是平坦的，与相机标定时的地面是同一平面。
• 接地点检测：如何准确找到物体与地面的接触点（如车轮底部、行人脚底）是另一个挑战，通常需要结合目标检测和地面分割。

5. 工程实践：构建一个完整的单目测距demo

理论和方法都有了，我们来串联一个完整的、可运行的示例。这个Demo将使用已知尺寸的物体（比如一个A4纸）进行测距。

5.1 系统流程设计

1. 初始化：加载预标定的相机内参和畸变系数。
2. 图像采集：从摄像头或视频文件读取一帧图像。
3. 畸变校正：对原始图像进行去畸变处理。
4. 目标检测与定位：使用图像处理技术（轮廓检测）定位A4纸，并获取其四个顶点的像素坐标。
5. 像素尺寸计算：计算A4纸在图像中的像素宽度或高度。
6. 距离解算：代入已知的A4纸真实尺寸（0.21m x 0.297m），利用相似三角形公式计算距离。
7. 可视化输出：在图像上绘制检测框和计算出的距离。

5.2 完整代码实现

import cv2 import numpy as np class MonocularDistanceEstimator: def __init__(self, camera_matrix, dist_coeffs, object_real_width=0.21, object_real_height=0.297): """ 初始化单目测距器。 :param camera_matrix: 相机内参矩阵 :param dist_coeffs: 畸变系数 :param object_real_width: 已知物体的真实宽度（米），例如A4纸短边 :param object_real_height: 已知物体的真实高度（米），例如A4纸长边 """ self.mtx = camera_matrix self.dist = dist_coeffs self.obj_width = object_real_width self.obj_height = object_real_height self.fx = camera_matrix[0, 0] self.fy = camera_matrix[1, 1] def _undistort_frame(self, frame): """校正图像畸变""" h, w = frame.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(self.mtx, self.dist, (w,h), 1, (w,h)) undistorted = cv2.undistort(frame, self.mtx, self.dist, None, newcameramtx) return undistorted def _find_a4_paper(self, image): """使用轮廓检测寻找图像中类似A4纸的矩形""" gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5,5), 0) edged = cv2.Canny(blurred, 50, 150) contours, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5] # 取面积最大的5个轮廓 for contour in contours: peri = cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, 0.02 * peri, True) # 寻找有四个顶点的轮廓 if len(approx) == 4: # 计算轮廓的宽高比，A4纸比例约为1:1.414 (sqrt(2)) x, y, w, h = cv2.boundingRect(approx) aspect_ratio = w / float(h) if 0.6 < aspect_ratio < 0.8 or 1.2 < aspect_ratio < 1.5: # 宽松的比例范围 # 对顶点进行排序：左上，右上，右下，左下 rect = self._order_points(approx.reshape(4, 2)) return rect, (x, y, w, h) return None, None def _order_points(self, pts): """对矩形四个顶点进行排序（左上，右上，右下，左下）""" rect = np.zeros((4, 2), dtype="float32") s = pts.sum(axis=1) rect[0] = pts[np.argmin(s)] # 左上角，x+y最小 rect[2] = pts[np.argmax(s)] # 右下角，x+y最大 diff = np.diff(pts, axis=1) rect[1] = pts[np.argmin(diff)] # 右上角，y-x最小 rect[3] = pts[np.argmax(diff)] # 左下角，y-x最大 return rect def _calculate_distance(self, pixel_width, pixel_height): """根据像素尺寸计算距离（使用宽度和高度，取平均或根据姿态选择）""" # 简单平均，更复杂的做法可以判断物体姿态选择更可靠的维度 distance_via_width = (self.obj_width * self.fx) / pixel_width distance_via_height = (self.obj_height * self.fy) / pixel_height # 返回平均值，也可以根据宽高比判断哪个更可靠 return (distance_via_width + distance_via_height) / 2.0 def process_frame(self, frame): """处理一帧图像，返回带标注的图像和距离""" undistorted_frame = self._undistort_frame(frame) paper_contour, bbox = self._find_a4_paper(undistorted_frame) distance = None output_frame = undistorted_frame.copy() if paper_contour is not None: # 绘制轮廓和边框 cv2.drawContours(output_frame, [paper_contour.astype(int)], -1, (0, 255, 0), 2) x, y, w, h = bbox cv2.rectangle(output_frame, (x, y), (x+w, y+h), (255, 0, 0), 2) # 计算像素尺寸（使用轮廓顶点计算更准确） (tl, tr, br, bl) = paper_contour pixel_width = np.linalg.norm(tr - tl) # 上边宽度 pixel_height = np.linalg.norm(br - tr) # 右边高度 # 计算距离 distance = self._calculate_distance(pixel_width, pixel_height) # 在图像上显示距离 cv2.putText(output_frame, f"Dist: {distance:.2f}m", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) return output_frame, distance # 主程序 if __name__ == "__main__": # 加载标定参数（假设已保存为npy文件） try: mtx = np.load('camera_mtx.npy') dist = np.load('camera_dist.npy') except FileNotFoundError: print("未找到标定文件，请先运行相机标定程序。") exit() # 初始化测距器，目标设为A4纸（宽0.21m，高0.297m） estimator = MonocularDistanceEstimator(mtx, dist, object_real_width=0.21, object_real_height=0.297) # 打开摄像头 cap = cv2.VideoCapture(0) if not cap.isOpened(): print("无法打开摄像头") exit() print("按 'q' 键退出程序。") while True: ret, frame = cap.read() if not ret: break processed_frame, dist = estimator.process_frame(frame) cv2.imshow('Monocular Distance Estimation', processed_frame) if dist: print(f"当前估算距离: {dist:.3f}米", end='\r') if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

5.3 代码要点与调试技巧

• 轮廓检测的鲁棒性：示例中使用Canny边缘检测和轮廓近似来寻找矩形。在实际环境中，光照变化、背景杂乱会影响检测。可以尝试：
  • 使用自适应阈值代替固定阈值的Canny。
  • 在检测前先进行颜色过滤（如果目标颜色已知）。
  • 使用更稳定的角点检测方法（如Shi-Tomasi）来定位纸张的四个角。
• 距离计算的稳定性：单帧计算可能受噪声影响。可以加入简单的滤波（如移动平均滤波）来平滑距离输出，避免数值跳动。

  # 简单的移动平均滤波 class MovingAverageFilter: def __init__(self, window_size=5): self.window = [] self.size = window_size def update(self, value): if value is None: return None self.window.append(value) if len(self.window) > self.size: self.window.pop(0) return sum(self.window) / len(self.window)

• 多维度融合：示例中同时使用了宽度和高度来计算距离并取平均。更好的策略是判断物体的姿态。如果物体宽度方向更正对相机，则用宽度计算更准；反之用高度。可以通过计算轮廓的宽高比和最小外接矩形的角度来粗略判断。

6. 误差分析与性能优化实战

单目测距的误差来源是多方面的，理解并尽可能减少这些误差，是提升系统实用性的关键。

6.1 主要误差来源剖析

6.2 提升测距精度的实用技巧

1. 融合多尺度信息：不要只依赖一个尺寸。如果物体有多个已知尺寸的特征（如车牌的长和宽、人脸的瞳距和鼻尖到下巴的距离），可以同时利用它们进行计算，并通过RANSAC等算法剔除 outliers，得到更鲁棒的距离估计。
2. 利用消失点约束：在结构化场景（如道路、室内走廊）中，平行线的消失点可以提供强大的几何约束。结合消失点和已知的物体尺寸或相机高度，可以更稳定地计算距离，对物体姿态的依赖性更低。
3. 引入滤波与跟踪：对于视频流，不要孤立地处理每一帧。使用卡尔曼滤波（Kalman Filter）或粒子滤波（Particle Filter）对目标的位置和距离进行跟踪。这可以平滑噪声，并在目标短暂丢失时进行预测，大大提升体验的连贯性和稳定性。
4. 在线标定与自适应：对于固定场景的应用，可以在场景中放置一个或多个已知尺寸的参考物。系统运行时自动检测这些参考物，用它们来动态微调距离计算的尺度因子，补偿内参漂移或安装误差。
5. 深度学习辅助：传统的几何方法依赖于精确的特征提取和假设。可以结合深度学习：
   • 使用更鲁棒的目标检测和实例分割网络（如YOLOv8, Mask R-CNN）来获取精确的像素级掩码，比矩形框更准。
   • 直接训练一个网络进行单目深度估计（如MiDaS），虽然它是相对深度，但如果在固定场景下用少量真实距离数据进行微调，可以得到不错的绝对距离估计，作为几何方法的补充或验证。

6.3 常见问题排查清单

当你发现测距结果不准时，可以按以下清单逐一排查：

1. 标定是否可靠？
   • 检查重投影误差是否< 1像素。
   • 用cv2.undistort看校正后的图像直线是否笔直。
2. 目标检测是否准确？
   • 可视化检测框，看是否紧密贴合物体边缘。
   • 尝试手动标注一个框，用这个框计算距离是否准确？如果准确，问题在检测算法。
3. 已知尺寸是否正确？
   • 用尺子实际测量一下目标物体，确认输入的程序的数据无误。
   • 考虑物体的平均尺寸是否有代表性（比如“成年人”的身高用1.7米可能偏差较大）。
4. 物体姿态是否满足假设？
   • 对于“已知尺寸”法，物体是否正对相机？如果倾斜，计算的距离会偏大。可以尝试从不同角度拍摄同一距离的物体，观察距离读数变化。
   • 对于“地面假设”法，物体是否确实接触地面？相机高度和俯仰角参数是否准确？
5. 光照与环境影响？
   • 强光、反光、阴影是否影响了目标特征的提取（如轮廓、角点）？
   • 尝试在不同光照条件下测试，观察结果稳定性。

单目测距是一个平衡成本、复杂度和精度的技术方案。它无法达到双目或深度相机的精度，但在许多对精度要求不极端、成本控制严格的场景下，通过精细的标定、合理的假设和巧妙的算法设计，完全可以达到实用水平。理解其原理的每一个环节，并系统地分析误差来源，是将其成功应用于实际项目的关键。