Computer vision 利用像素距离计算真实世界距离

我有两个图像为，另一个图像为

我用一台安装在道路上的闭路电视摄像机拍摄了这张照片

现在我想计算它在现实世界中行驶的距离，以找到车辆的速度。我使用目标检测得到两幅图像中车牌的边界框，通过计算像素距离。只有当图像平面和道路平面彼此平行时，我才能将像素距离映射到真实世界（我正在使用这种技术，但它不能给出准确的结果）。因为我的相机与道路成一定角度，所以我无法使用这种技术

---

我尝试了几篇研究论文，但找不到任何与我的问题相关的有用信息。有人请分享做这件事的见解，这将是有益的

在这个问题中，我们只有一个摄影机视图，因此无法使用摄影机视图几何体找到对象之间的真实世界距离。虽然我们可以将图像像素转换为真实世界单位，但我们可以考虑某些参考对象，这些对象的长度值以真实世界单位表示

在捕获的示例图像中，您可以识别道路车道标记，如下图所示，并且知道它们的长度（以真实世界为单位），您可以找到像素到真实世界的距离

下面是道路车道标记检测方法的快速基本实现。这也将为您提供图像中汽车、自行车等对象的轮廓，但您可以在了解这些对象的对象边界框后，通过在这些对象上应用遮罩来删除这些轮廓

img = cv2.imread("road_lane.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.blur(gray, (3, 3))
# Find Canny edges
edged = cv2.Canny(blur, 30, 200)

# Finding Contours
contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
boundRect = []
for i, c in enumerate(contours):
    #ignore large and small contours
    if len(c) < 300 and len(c) > 100 :
        box = cv2.boundingRect(c)
        #check for vertical rectangles
        if box[2] < box[3]:
           boundRect.append(box)

for i in range(len(boundRect)):
    cv2.rectangle(img, (int(boundRect[i][0]), int(boundRect[i][1])), (int(boundRect[i][0] + boundRect[i][2]), int(boundRect[i][1] + boundRect[i][3])), (255, 0, 0), 5)

img=cv2.imread（“road\u lane.jpg”）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
模糊=cv2。模糊（灰色，（3,3））
#寻找精明的边缘
边缘=cv2.Canny（模糊，30200）
#寻找等高线
轮廓，层次=cv2.查找轮廓（边缘，cv2.RETR\u外部，cv2.链约\u无）
boundRect=[]
对于枚举中的i，c（等高线）：
#忽略大小轮廓
如果len（c）<300且len（c）>100：
box=cv2.boundingRect（c）
#检查垂直矩形
如果框[2]<框[3]：
boundRect.append（框）
对于范围内的i（len（boundRect））：
cv2.矩形（img，（int（boundRect[i][0]），int（boundRect[i][1]），（int（boundRect[i][0]+boundRect[i][2]），int（boundRect[i][1]+boundRect[i][3]），（255,0,0,5）