一、文章内容简述：

1’ 通过cv::findChessboardCorners寻找棋盘格角点

2‘ 用cv::solvePnP计算旋转向量rvec和平移向量tvec

3’ 通过公式计算相机到棋盘格的距离

float distance = sqrt(tvec.at<double>(0,0) * tvec.at<double>(0,0) + tvec.at<double>(1,0) * tvec.at<double>(1,0) + tvec.at<double>(2,0) * tvec.at<double>(2,0)) / 10;

二、实现过程

已完成单目相机标定的情况下：

（可以参考http://t.csdnimg.cn/v72VN  虽然是我很久之前写的python的，但实现是没啥问题）

需要以下内容：

1、已知相机的内参矩阵cameraMatrix和畸变参数distCoeffs（相机标定）

2、需要拍摄一张棋盘格图像

3、需要知道棋盘格的w方向和h方向角点数量

实现代码如下：

#include <opencv2/opencv.hpp>int main() {// 读取棋盘格图像cv::Mat image = cv::imread("chessboard.jpg");// 定义棋盘格的尺寸和角点列表cv::Size patternSize(11, 8);std::vector<cv::Point2f> corners;// 寻找棋盘格角点bool found = cv::findChessboardCorners(image, patternSize, corners);if (found) {// 优化角点坐标精度cv::cornerSubPix(image, corners, cv::Size(11, 11), cv::Size(-1, -1),cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 30, 0.1));// 定义棋盘格三维坐标std::vector<cv::Point3f> objectPoints;float squareSize = 1.0;for (int i = 0; i < patternSize.height; ++i) {for (int j = 0; j < patternSize.width; ++j) {objectPoints.push_back(cv::Point3f(j * squareSize, i * squareSize, 0));}}// 定义相机参数cv::Mat cameraMatrix = cv::Mat::eye(3, 3, CV_64F);cv::Mat distCoeffs = cv::Mat::zeros(4, 1, CV_64F);// 计算 rvec 和 tveccv::Mat rvec, tvec;cv::solvePnP(objectPoints, corners, cameraMatrix, distCoeffs, rvec, tvec);// 输出结果std::cout << "rvec: " << rvec << std::endl;std::cout << "tvec: " << tvec << std::endl;//计算相机距离被测物的实际距离float distance = sqrt(tvec.at<double>(0,0) * tvec.at<double>(0,0) + tvec.at<double>(1,0) * tvec.at<double>(1,0) + tvec.at<double>(2,0) * tvec.at<double>(2,0)) / 10; std::cout << "distance = "<< distance << std::endl;} else {std::cout << "未找到棋盘格角点！" << std::endl;}return 0;
}

三、补充

使用cv::solvePnP测距的方法，任意被测物都可以实现。只需要有世界坐标系的角点（手动测量）和对应点的像素坐标即可。

参考文章：http://t.csdnimg.cn/KixCO

本文中使用棋盘格做测距，通过cv::findChessboardCorners寻找所有棋盘格角点后再计算可以大大提高测距精度。