用OpenMV和一颗乒乓球，5分钟搞定你的第一个视觉测距项目（附完整代码）-洪萨配资

用OpenMV和一颗乒乓球，5分钟搞定你的第一个视觉测距项目（附完整代码）

视觉测距听起来像是专业实验室里的高端技术？其实只需要一块OpenMV开发板和一颗乒乓球，你就能在5分钟内搭建出自己的测距系统。这种低成本、高趣味性的实践方式，已经成为创客圈子里最受欢迎的入门项目之一。

乒乓球作为标准球形物体，具有颜色鲜明、尺寸统一的特点，是视觉测距的理想标定物。我们不需要复杂的算法或昂贵的设备，OpenMV内置的简单图像处理功能就足以完成从识别到测距的全过程。下面将带你一步步实现这个有趣的项目。

1. 准备工作与环境搭建

在开始之前，请确保你已经准备好以下材料：

OpenMV Cam H7开发板（其他型号也可）
一颗标准乒乓球（黄色为佳）
USB数据线
电脑安装OpenMV IDE

首先连接你的OpenMV开发板到电脑，打开OpenMV IDE。这个轻量级的开发环境已经内置了所有必要的图像处理库，让我们免去了复杂的配置过程。

提示：如果这是你第一次使用OpenMV，建议先运行IDE中的"helloworld.py"示例，确保开发板工作正常。

环境搭建的关键是选择合适的图像分辨率和色彩模式。对于乒乓球测距，QQVGA(160x120)分辨率已经足够，同时能保证较高的帧率：

import sensor, image, time sensor.reset() sensor.set_pixformat(sensor.RGB565) # 使用RGB色彩模式 sensor.set_framesize(sensor.QQVGA) # 设置分辨率 sensor.skip_frames(10) # 等待设置生效 sensor.set_auto_whitebal(False) # 关闭自动白平衡

2. 颜色阈值调试技巧

乒乓球测距的核心是准确识别球体在图像中的位置和大小。OpenMV提供了基于颜色阈值的blob检测功能，我们需要先调整合适的颜色阈值。

颜色阈值由6个参数组成(L_min, L_max, A_min, A_max, B_min, B_max)，表示Lab色彩空间中的范围。调试时可以借助IDE中的阈值助手工具：

在IDE中点击"工具"→"机器视觉"→"阈值助手"
将乒乓球放置在典型使用距离(约30cm)
用鼠标框选乒乓球区域
调整滑块直到只有乒乓球被高亮显示

对于标准黄色乒乓球，典型的阈值范围可能是：

参数	最小值	最大值
L	12	100
A	-69	67
B	119	16

实际使用时，这个阈值可能需要根据环境光线微调。一个实用技巧是在不同光照条件下测试，找到一个在各种情况下都能稳定识别的折中值。

3. 单点标定与测距原理

视觉测距的基本原理基于物体在图像中的大小与实际距离成反比。我们需要先进行单点标定来确定比例系数K。

具体步骤：

将乒乓球放置在已知距离(如30cm)处
测量此时球体在图像中的像素直径(可通过blob检测获得)
计算K = 实际距离 × 像素直径

# 标定示例：当乒乓球距离30cm时，测得像素直径为18 K = 30 * 18 # 结果为540

得到K值后，测距公式简化为：实际距离 = K / 当前像素直径

这个关系成立的前提是：

相机焦距固定
物体大小不变
物体与相机光轴垂直

4. 完整代码实现与优化

将上述步骤整合，我们得到完整的乒乓球测距代码。这段代码不仅计算距离，还会输出球的尺寸信息：

import sensor, image, time # 颜色阈值 - 根据你的环境调整 yellow_threshold = (12, 100, -69, 67, 119, 16) # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QQVGA) sensor.skip_frames(10) sensor.set_auto_whitebal(False) # 标定常数 K = 540 # 距离系数 K1 = 0.038 # 尺寸系数 clock = time.clock() while(True): clock.tick() img = sensor.snapshot() # 查找黄色blob blobs = img.find_blobs([yellow_threshold]) if len(blobs) == 1: b = blobs[0] # 绘制识别框和中心点 img.draw_rectangle(b[0:4]) img.draw_cross(b[5], b[6]) # 计算平均直径(像素) Lm = (b[2] + b[3]) / 2 # 计算距离(cm) distance = K / Lm # 计算实际尺寸(cm) h = K1 * b[3] # 高度 w = K1 * b[2] # 宽度 # 输出结果 print("距离: %.1fcm, 宽度: %.1fcm, 高度: %.1fcm" % (distance, w, h)) # 显示帧率 print(clock.fps())

代码优化建议：

添加滤波处理，避免因短暂识别错误导致数据跳变
实现多帧平均，提高测量稳定性
添加超出量程提示，当球太近或太远时给出警告

5. 实际应用中的问题排查

即使按照步骤操作，实际项目中仍可能遇到各种问题。以下是常见问题及解决方法：

问题1：无法稳定识别乒乓球

检查环境光线是否均匀，避免强光直射或背光
重新调整颜色阈值，确保只识别乒乓球
尝试在不同背景下测试，选择对比度高的背景

问题2：测距结果不准确

确认标定时距离测量是否准确
检查乒乓球是否正对摄像头，倾斜会影响测量
确保标定和测量时使用同一颗球(大小一致)

问题3：帧率过低

降低图像分辨率(如使用QQVGA而非QVGA)
减少图像处理复杂度
关闭不必要的传感器功能

一个实用的调试技巧是添加可视化调试信息：

# 在循环中添加调试信息显示 img.draw_string(0, 0, "Dist: %.1fcm" % distance, color=(255,0,0)) img.draw_string(0, 10, "Size: %.1fcm" % size, color=(255,0,0))

6. 项目扩展与进阶思路

完成基础测距后，你可以尝试以下扩展方向：

多目标测距：修改代码同时追踪多个乒乓球
三维位置估计：通过球体在图像中的位置计算空间坐标
动态测距：测量移动乒乓球的实时距离变化
数据记录：将测量结果保存到SD卡进行后续分析
无线传输：通过WiFi或蓝牙将数据发送到手机或电脑

对于想深入学习的开发者，可以考虑：

研究更精确的圆形检测算法
实现自动标定功能，简化设置过程
加入温度补偿，提高不同环境下的稳定性

# 多目标检测示例 for blob in blobs: img.draw_rectangle(blob.rect()) img.draw_cross(blob.cx(), blob.cy()) Lm = (blob.w() + blob.h()) / 2 print("目标距离: %.1fcm" % (K/Lm))