OpenCV计算目标与画面中心距离结果偏差问题求助

针对你遇到的计算值与实际测量值偏差问题，结合你的场景，核心原因大概率来自以下几个方面：

1. 摄像头畸变未校正 #

你的目标中心位于画面左边缘（X=128，离中心640差距很大），普通摄像头的径向畸变会让边缘区域的像素坐标产生明显偏移——边缘物体的像素间距会被拉伸或压缩，导致你用中心区域的像素/mm系数计算边缘目标时出现误差。必须先完成相机标定，校正畸变后再提取坐标。

2. 目标中心定位不准确 #

如果你的中心提取逻辑是简单的颜色阈值取中点，很容易受红色反光、背景噪声、目标部分遮挡影响，导致提取的中心和实际物理中心偏移。比如目标边缘模糊时，阈值分割的轮廓会偏移，直接影响像素差的计算。

3. 透视投影的错误假设 #

你用的是正交投影模型（固定像素/mm系数），但实际摄像头是透视投影：同一平面内，离镜头越远的区域，像素/mm系数越小；如果参考目标和测量目标不在同一Z轴高度，或者镜头与目标平面不垂直，固定系数完全不适用，偏差会非常明显。

4. 坐标系未对齐 #

机械臂的物理坐标系和摄像头的像素坐标系是否严格平行？如果机械臂X轴和摄像头X轴存在夹角，你计算的像素X差转换为物理距离时会产生投影误差——相当于把斜向距离当成了水平距离。

调试代码示例（校正畸变+精准中心提取） #

import cv2
import numpy as np

# 注意：以下相机参数需要你自己通过标定获取（用棋盘格标定法）
# 示例参数，替换为你的实际标定结果
camera_matrix = np.array([[800, 0, 640], [0, 800, 480], [0, 0, 1]], dtype=np.float32)
dist_coeffs = np.array([-0.3, 0.1, 0, 0, 0], dtype=np.float32)

# 读取采集到的画面
img = cv2.imread("target_frame.jpg")
h, w = img.shape[:2]

# 校正畸变
new_cam_mat, roi = cv2.getOptimalNewCameraMatrix(camera_matrix, dist_coeffs, (w, h), 1, (w, h))
map_x, map_y = cv2.initUndistortRectifyMap(camera_matrix, dist_coeffs, None, new_cam_mat, (w, h), cv2.CV_32FC1)
undist_img = cv2.remap(img, map_x, map_y, cv2.INTER_LINEAR)

# 精准提取红色目标质心
hsv_img = cv2.cvtColor(undist_img, cv2.COLOR_BGR2HSV)
# 分两段取红色HSV范围（避免红色跨0度的问题）
lower_red1 = np.array([0, 150, 80])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 150, 80])
upper_red2 = np.array([180, 255, 255])

mask = cv2.inRange(hsv_img, lower_red1, upper_red1) | cv2.inRange(hsv_img, lower_red2, upper_red2)
# 形态学操作去除噪声
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((3,3), np.uint8), iterations=2)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, np.ones((5,5), np.uint8), iterations=2)

# 提取目标轮廓并计算质心
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if contours:
    target_contour = max(contours, key=cv2.contourArea)
    moments = cv2.moments(target_contour)
    if moments["m00"] > 0:
        center_x = int(moments["m10"] / moments["m00"])
        center_y = int(moments["m01"] / moments["m00"])
        print(f"校正后目标中心坐标: ({center_x}, {center_y})")
        
        # 重新计算X轴实际距离
        pixel_diff = 640 - center_x
        actual_distance = pixel_diff / 5.32
        print(f"校正后计算的X轴距离: {actual_distance:.2f}mm")

内容的提问来源于stack exchange，提问作者Chun Kit Wong