简介基于YOLOv5与单目测距的Python实现资源面向计算机视觉开发者、自动驾驶与机器人导航方向学习者解决单摄像头场景下目标检测与距离估计的融合问题。资源共132个文件约13.87MBRAR打包包含40个yaml、34个py、16个pyc以及yml、xml、sh、md等类型覆盖模型配置、训练与推理脚本、预训练权重、说明文档与辅助配置文件整体结构清晰便于二次开发与学习。已有3858人学习下载。读者可获得YOLOv5目标检测与单目深度估计的完整框架结合预训练权重与示例图像实践锚框机制、特征提取、深度映射以及物体框与距离信息的融合借助Python源码可调整数据增强、锚框等参数利用测试脚本在图片上输出检测框和距离估计结果逐步掌握单目测距全流程。资源内还包含Dockerfile、Jupyter示例等便于在不同环境复现适合在智能监控、无人系统等场景中快速搭建原型。1. YOLOv5单目测距一个自带“尺子”的检测方案到底能测多准做视觉测距的兄弟应该都有同感手里只有一台普通USB摄像头想同时干“检测目标”和“量距离”两件事不想上双目、不想上毫米波雷达预算就几百块那这就是你最现实的选项——用YOLOv5框出目标再用单目几何把像素换算成米。这套方案在安防球机、果园巡检小车、河道漂浮物监测这些场景里特别常见它不挑硬件一张标定板和一台带摄像头的电脑就能起步。但先把丑话说在前面单目测距本质上是在“猜”距离它依赖的是几何假设不是激光雷达那种直接测量。你用YOLOv5单目测距能测到什么精度完全取决于你怎么标定相机、怎么选测距模型、怎么处理检测框的抖动。这篇不绕弯子从相机模型的底层逻辑一直写到能跑的Python代码把标定、参数、代码和坑都摊开讲适合想快速落地又不想走弯路的人。2. 从像素到米单目测距的几何原理与相机模型2.1 小孔成像与针孔模型为什么单目能测距但要先标定很多人第一次接触单目测距时都问同样一个问题一个摄像头没有深度信息凭什么能算出距离答案是小孔成像。把相机想象成一个针孔外界物体反射的光线穿过针孔打在感光元件上物体的尺寸、它在图像中的像素大小、以及它到相机的距离这三者之间有一个确定的三角关系。只要我们知道物体的真实尺寸再量出它在图像里占了多少像素距离就能反推出来。这个关系用公式写出来极其简单d (W_real * f) / w_pixel其中W_real是目标的真实宽度或高度w_pixel是目标在图像中对应的像素宽度f是焦距以像素为单位。你可能会说这不就是初中相似三角形吗对单目测距的全部核心就是这条相似三角形但问题在于f从哪里来图像里的w_pixel为什么经常不准这就是为什么必须先做相机标定——标定的目的就是把这个针孔模型的参数焦距、主点、畸变从“理想值”修正为“这台相机的真实值”。不标定行不行行但误差会非常玄学。市面上买来的摄像头标称焦距是2.8mm或4mm那是镜头的光学焦距不是像素焦距再加上镜头畸变画面边缘的像素比例跟中心完全不同。我见过有人拿标称参数去算距离1米以内的近距离误差还能看超过3米直接偏出去半米多。所以动手写测距代码之前先把标定这块地基打牢否则后面所有东西都是空中楼阁。2.2 四大坐标系与内外参标定板与张正友标定的物理含义相机标定绕不开四个坐标系世界坐标系、相机坐标系、图像物理坐标系、图像像素坐标系。听着唬人其实逻辑链很简单——世界坐标系里的一个三维点(Xw, Yw, Zw)先通过外参旋转矩阵R和平移向量t变换到相机坐标系再通过内参焦距fx、fy主点cx、cy投影到图像平面最后加上畸变修正得到像素坐标(u, v)。整个过程的矩阵形式就是经典的[u, v, 1]^T K * [R|t] * [Xw, Yw, Zw, 1]^T其中K就是内参矩阵。张正友标定法是目前最常见的标定方案只需要一个打印出来的棋盘格从不同角度拍十几到二十张照片算法就能自动提取角点并求解内外参。它为什么能成为事实标准因为棋盘格的角点检测极其稳定而且每个格子的大小是已知的比如30mm这就给算法提供了真实的物理尺度参照。你不需要昂贵的标定设备一张A4纸打印的棋盘格贴在硬纸板上就能干活这也是它被广泛采用的原因。外参在单目测距里往往被忽略但它其实同样重要。单目测距公式里其实隐含了目标平面与相机成像面平行的假设目标正对着摄像头距离是沿着光轴方向的。一旦相机有俯仰角或者目标不在画面中央公式就得重新推导。所以做标定时除了拿到内参最好顺手记录一下相机的安装俯仰角后面处理远距离目标时会用得上。2.3 两种落地路线已知目标高度 vs 地面投影假设实际写代码时单目测距主要有两条路线选哪条直接决定你代码的复杂度和适用场景。第一条路线是“已知目标尺寸法”典型应用是行人测距。人类的平均身高是已知的比如1.7米你用YOLOv5检测出行人框用框的高度当作像素高度套用d (H_real * fy) / h_pixel就能算出距离。这套方案实现最简单代码不超过十行但它的弱点也很明显检测框不仅仅是人的身体经常包含一部分背景而且行人弯腰、蹲下时真实高度不再等于1.7米误差就会瞬间放大。第二条路线是“地面投影法”也叫地平面假设。它假设目标底部点落在地平面上利用相机的高度、俯仰角和像素坐标通过几何关系解算出目标到相机的水平距离。公式比第一种复杂一些涉及d H_cam / tan(theta arctan((v - cy) / fy))这样带俯仰角的表达式但它不依赖目标尺寸对车辆、船、动物这类高度不确定的目标更友好。实际项目里如果检测目标是行人我一般先用第一种快速跑通如果测的是车辆或者装在移动机器人上我通常直接上第二种避免目标尺寸方差带来的坑。这两种路线并不互斥。理解它们的本质区别你才能在自己项目里选对公式——看到“YOLOv5单目测距”源码时先分辨它用的是哪条路线再决定是直接拿去用还是改造这个分辨能力比背公式本身更重要。3. 在本地跑通YOLOv5检测环境、模型与检测输出解析3.1 Python环境准备与cv2、numpy安装的版本坑不管你是Windows还是Linux第一步都是把Python环境备好。YOLOv5官方仓库对Python版本的要求不算苛刻3.8到3.10都能跑得很顺。Windows用户去python官网下载安装包时记得勾选“Add Python to PATH”否则后面在cmd里敲pip会提示找不到命令。装完之后打开终端先把基础依赖装上再考虑PyTorch的事# 创建独立的虚拟环境避免污染系统Python python -m venv yolo_env # Windows下激活 yolo_env\Scripts\activate # Linux下激活 source yolo_env/bin/activate # 先装基础库注意opencv-python的版本 pip install numpy opencv-python这里有一个常见翻车点opencv-python和opencv-contrib-python不能同时装否则cv2会被整出各种奇怪冲突。而且numpy版本和opencv版本之间也有隐性依赖如果你用的是较新的opencv4.8以上numpy最好在1.24以上不然导入cv2时会报_ARRAY_API not found之类的错。我一般建议先把这两个装好再按YOLOv5仓库里的requirements.txt装PyTorch这样能少踩很多环境的坑。PyTorch的安装建议直接去pytorch官网按你的CUDA版本生成命令。如果没有独立显卡装CPU版也够跑通流程和做推理只是训练会慢很多。装完之后在Python交互环境里执行下面的验证命令确认环境是干净的再往下走import cv2 import numpy as np import torch # 检查关键库的版本确认都能正常导入 print(OpenCV version:, cv2.__version__) print(NumPy version:, np.__version__) print(PyTorch version:, torch.__version__) # 如果输出正常说明环境基本可用这段验证代码的作用是在正式跑YOLOv5之前就暴露环境问题。很多人跳过了这一步直接跑detect.py结果报错后根本分不清是环境问题还是代码问题白白浪费半天。版本号不一定要跟我上面写的完全一致只要大版本对得上、能正常导入就行——黑匣子里的报错大多不是算法问题而是环境问题。3.2 用YOLOv5官方仓库跑通检测最小命令与关键参数环境就绪后克隆YOLOv5官方仓库并安装依赖这是最稳妥的起步方式。官方仓库维护活跃预训练权重可以直接从Release页面下载不需要自己训练就能先看到检测效果# 克隆仓库并进入目录 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 安装依赖或者用requirements.txt里的完整列表 pip install -r requirements.txt # 跑一张官方示例图片--weights会自动下载yolov5s.pt python detect.py --weights yolov5s.pt --source data/images/bus.jpg执行完上面的命令你会在runs/detect/exp目录下看到标注好的图片。第一次跑的时候它会自动下载yolov5s.pt权重文件大约14MB如果下载慢可以考虑用镜像源。这里解释一下几个核心参数--weights指定模型权重yolov5s是small版本速度和精度的平衡点适合快速验证--source指定输入可以是图片、视频文件、摄像头设备号比如0表示第一个USB摄像头或者一个目录--conf-thres是置信度阈值默认0.25如果检测框太多或太少可以调这个值。如果你想用自己的图片或视频来测把--source换成文件路径就行。如果想把检测结果实时叠加距离信息后面章节里我们会直接改detect.py或者写独立脚本调用模型而不是在命令行层面做文章。先确保这条最小命令能跑通产出一张带框的图片再谈改造它做测距。3.3 解析YOLOv5检测输出拿到bbox、类别与置信度的代码命令行能跑通只是第一步做单目测距必须拿到检测框的像素坐标。YOLOv5预测结果的原始格式是[x_center, y_center, width, height, obj_conf, class_conf, class_id]但一般我们用的是非极大值抑制NMS之后的输出也就是detect.py里det张量的xyxy格式——即每个检测框的左上角和右下角坐标(x1, y1, x2, y2)。下面的代码展示了如何加载模型并解析每个检测框import torch # 加载预训练模型autoshape会自动处理输入尺寸 model torch.hub.load(ultralytics/yolov5, yolov5s, pretrainedTrue) model.conf 0.25 # 置信度阈值低于该值的框会被过滤 model.iou 0.45 # NMS的IoU阈值控制重叠框的合并力度 model.classes None # 限制检测类别None表示检测所有80个类别 # 推理一张图片 results model(data/images/bus.jpg) # results.pandas().xyxy[0] 是DataFrame格式的检测结果 det_df results.pandas().xyxy[0] for _, row in det_df.iterrows(): x1, y1, x2, y2 int(row[xmin]), int(row[ymin]), int(row[xmax]), int(row[ymax]) conf float(row[confidence]) cls int(row[class]) name row[name] # 计算检测框的像素高度和宽度 h_pixel y2 - y1 w_pixel x2 - x1 print(f类别: {name}, 置信度: {conf:.2f}, 框高: {h_pixel}px, 框宽: {w_pixel}px)这段代码就是把YOLOv5和单目测距“缝合”起来的关键桥梁。h_pixel和w_pixel就是测距公式里需要的输入。需要重点理解的是model.conf和model.iou这两个参数直接影响检测框的质量——置信度阈值太低会出现大量误检框太高会漏检IoU阈值则影响重叠目标的框合并行为。我在项目里一般把conf设在0.25到0.4之间具体值取决于场景的误检率和漏检率哪个更难接受。另外注意results.pandas().xyxy[0]这个接口返回的是DataFrame列名是xmin, ymin, xmax, ymax跟原生的results.xyxy[0]张量是对应的。熟手可以直接操作张量新手用DataFrame更直观。拿到检测框后下一步就是把它喂给测距函数——如何标定相机、如何把h_pixel换算成米这是本文第4章要解决的问题。4. 把测距接进YOLOv5相机标定、焦距计算与距离估计代码4.1 张正友标定实操用棋盘格拿到fx与畸变系数标定这一步没有捷径需要用棋盘格拍照片然后用OpenCV内置的张正友标定API跑一遍。先用下面的脚本采集标定图片注意棋盘格要占画面不同位置、不同角度并且尽量让格子纹理清晰import cv2 import os # 棋盘格参数内角点数量注意是角点数不是格子数 CHESS_COLS 9 # 棋盘格列内角点数量 CHESS_ROWS 6 # 棋盘格行内角点数量 SQUARE_SIZE 0.03 # 每个格子的边长单位米30mm cap cv2.VideoCapture(0) save_dir calib_imgs os.makedirs(save_dir, exist_okTrue) count 0 while count 30: ret, frame cap.read() if not ret: continue gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 寻找棋盘格内角点 found, corners cv2.findChessboardCorners(gray, (CHESS_COLS, CHESS_ROWS), None) if found: # 在画面上画出角点供确认 cv2.drawChessboardCorners(frame, (CHESS_COLS, CHESS_ROWS), corners, found) # 按空格键保存当前帧 cv2.imshow(Calibration, frame) if cv2.waitKey(1) 0xFF ord( ): cv2.imwrite(f{save_dir}/calib_{count:02d}.jpg, frame) count 1 print(f已保存 {count}/30 张标定图) else: cv2.imshow(Calibration, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()采集完成后用下面的脚本完成标定并保存相机参数import cv2 import numpy as np import glob CHESS_COLS 9 CHESS_ROWS 6 SQUARE_SIZE 0.03 # 准备棋盘格对应的世界坐标点 objp np.zeros((CHESS_ROWS * CHESS_COLS, 3), np.float32) objp[:, :2] np.mgrid[0:CHESS_COLS, 0:CHESS_ROWS].T.reshape(-1, 2) objp * SQUARE_SIZE obj_points [] # 世界坐标点 img_points [] # 图像坐标点 images glob.glob(calib_imgs/*.jpg) for fname in images: img cv2.imread(fname) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners cv2.findChessboardCorners(gray, (CHESS_COLS, CHESS_ROWS), None) if ret: obj_points.append(objp) # 亚像素角点精化提高标定精度 corners2 cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), (cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)) img_points.append(corners2) # 执行标定获得相机内参和畸变系数 ret, mtx, dist, rvecs, tvecs cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None) print(内参矩阵 fx, fy, cx, cy:) print(ffx {mtx[0, 0]:.4f}) print(ffy {mtx[1, 1]:.4f}) print(fcx {mtx[0, 2]:.4f}) print(fcy {mtx[1, 2]:.4f}) print(f畸变系数: {dist.ravel()}) # 保存标定结果到文件后面测距代码直接读取 np.savez(camera_params.npz, mtxmtx, distdist)这段代码最需要关注的是fx和fy两个值它们就是测距公式里的像素焦距。理想情况下fx和fy应该接近相等如果差异过大说明棋盘格照片拍得不够好或者镜头畸变严重。标定结果直接保存成npz文件测距脚本里用np.load读回来就行——这样做的好处是标定只做一次运行时免去重复计算的开销。4.2 核心测距代码基于目标高度的单目距离估计拿到相机内参后测距代码就非常简洁了。下面这个函数实现了“已知目标物理高度利用检测框高度估算距离”的完整逻辑直接对接上一章的检测结果import numpy as np def estimate_distance_by_height(h_pixel, f_pixel, h_real_meter): 通过目标物理高度和检测框像素高度计算距离 :param h_pixel: 检测框的高度单位像素 :param f_pixel: 相机焦距通常用fy单位像素 :param h_real_meter: 目标的真实物理高度单位米 :return: 估计距离单位米 if h_pixel 0: return -1 # 相似三角形距离 (真实高度 * 焦距) / 像素高度 distance (h_real_meter * f_pixel) / h_pixel return distance # 读取上一章标定得到的相机参数 calib_data np.load(camera_params.npz) mtx calib_data[mtx] fy mtx[1, 1] # 示例假设检测到行人真实身高取1.7米 H_REAL 1.7 # 行人平均身高单位米 h_pixel 245 # 这里替换为YOLOv5检测输出的实际框高 distance estimate_distance_by_height(h_pixel, fy, H_REAL) print(f估计距离: {distance:.2f} 米)这段代码就是整条链路的最后拼图。fy之所以放在函数参数里是因为不同相机、不同分辨率下焦距不同。需要注意由于YOLOv5检测框的坐标是相对原始输入图像分辨率而言的所以fy也必须是从原始分辨率标定得到的值。如果在detect.py里做了imgsz640的resize那么像素高度也要对应到640分辨率下的值或者提前把fy按缩放比例换算否则结果会整体偏移。一个实用的改造是把上一章的检测循环和这里的测距函数结合实时计算出画面中每个目标的距离并叠加到画面上。常见做法是引入一个目标跟踪器比如ByteTrack为每个目标分配ID并维护预测距离的历史值用EMA指数移动平均滤波平滑距离输出避免单帧检测抖动带来的距离跳变。4.3 参数怎么调近距离、远距离、俯仰角对结果的影响测距代码跑通后你会很快发现调参的乐趣和痛苦。首先是近距离1米以内的情况这时目标占画面比例很大检测框高度的几个像素误差对距离计算的影响相对小但镜头畸变的影响会被放大尤其是画面边缘的目标误差可能达到10%以上。解决方法有两种一种是对图像做畸变矫正用标定得到的dist系数做cv2.undistort另一种是把目标尽量保持在画面中心区域测距。远距离10米以上是单目测距最脆弱的工作区间。以行人测距为例当距离为20米时一个1.7米高的人在640分辨率画面里可能只有20到30像素高检测框上下浮动3到5像素就会造成15%以上的距离误差。这不是调参能解决的而是几何条件决定的分辨率极限。常见做法是提高输入分辨率比如把--imgsz从640调到1280或者换用检测精度更高的yolov5m/yolov5l模型让检测框更稳定。还有一个常被忽略的参数是相机的俯仰角。如果你把摄像头装在高处向下俯视行人检测框的底部点并不在地面垂直投影处直接用相机光轴方向的深度公式会产生系统性偏差。这时的正确做法是用4.3开头提到的地面投影模型把相机高度H_cam和俯仰角theta代入几何公式。这也就是为什么我在第2章强调“两条路线”的原因——参数调不明白的时候回头看公式可能问题就出在你选错了测距模型。5. YOLOv5单目测距实战避坑5个必踩的经典坑5.1 坑一检测框高度不等于目标物理高度——检测框的暴力截断问题现象行人明明站在3米外测出来距离是2.5米误差20%以上。反复调整焦距和置信度阈值都没用。原因YOLOv5输出的框是矩形它框住的是“整个行人的视觉范围”可能包含头顶上方的空白和脚部以下的阴影背景当目标部分出画面或被遮挡时框的高度更会直接“缩水”导致距离被高估。解决不要直接用完整框高而是先对目标的真实高度做一次标定修正——在几个已知距离比如2米、4米、6米拍目标反推出一个“等效物理高度”用这个值替代经验值。等效高度相当于把检测框的系统性偏差吸收掉了虽然不完美但比直接套1.7米靠谱得多。5.2 坑二标定棋盘格拍得越多越好照片分布不均导致的内参偏移现象标定重投影误差很低但实际测距在画面边缘区域的误差就是比中心大很多。原因照片虽然拍了30张但棋盘格总是出现在画面中心附近边缘区域的畸变没有被充分采样标定算法对边缘畸变的拟合就是“瞎猜”。解决重拍标定照片确保棋盘格覆盖画面的九宫格所有区域——左上、右上、中左、中右、中心、左下、右下都要有并且包含明显的前倾、后仰等角度变化。一个直观的检验标准标定完之后棋盘格放在画面四个角落拍摄时角点重投影误差应该都和中心位置相当而不是“角落更差”。5.3 坑三距离越远误差越大不是算法问题而是几何条件退化现象近距离测得很准到了15米外误差动辄数米你以为是代码写错了。原因单目测距的误差与距离的平方成正比。假设检测框高度的像素误差为delta_h_pixel距离误差约等于(d^2 * delta_h_pixel) / (H_real * f_pixel)。距离翻倍误差翻四倍远距离下检测框只有几个像素高一个像素的框高波动就是很大的距离变化。解决认清单目测距的工作区间不要把它的有效距离硬顶到20米以上。如果一定要测远距离考虑换更高分辨率相机、更大焦距镜头、更高精度模型或者接受误差并做距离分段加权——近距离信任测距结果远距离只给“大于某个值”的模糊估计别输出一个假的精确数字误导下游逻辑。5.4 坑四相机有俯仰角时公式直接失效——光轴方向不是水平方向现象把摄像头装在2米高的杆子上向下俯视近距离测距还行到了5米外距离突然变得忽近忽远。原因你还在用d (H_real * fy) / h_pixel这个公式它假设相机光轴与目标平面垂直但俯视安装时光轴是斜的目标像素高度和真实距离不再是简单的相似三角形关系。解决改用地面投影模型公式变为d H_cam / tan(theta arctan((v - cy) / fy))。其中H_cam是相机离地高度theta是相机俯仰角v是检测框底部中点的像素纵坐标。这个模型不依赖目标高度只依赖目标脚尖落地的假设对行人和车辆都适用。实测下来俯仰角标定精确到0.5度以内时5到10米距离误差能控制在5%左右。5.5 坑五距离输出抖动严重——单帧检测不够稳要加滤波现象目标站着不动测距结果在2.8米和3.4米之间来回跳视频里距离数字跳得人眼晕。原因YOLOv5单帧检测框不是静止的目标姿态、光线变化、轻微遮挡都会让框高波动几个像素这些波动直接传导到距离结果。解决两步走。第一步对检测框高度做时间维度的滤波典型做法是用指数移动平均EMAh_smooth alpha * h_current (1 - alpha) * h_smoothalpha取0.3到0.5比较合适。第二步是配合目标跟踪器为每个目标分配ID并单独维护滤波状态避免多目标场景下距离值串号。我见过有人直接对距离值做均值滤波效果也可以但响应延迟会变大要注意取舍。6. 进阶落地在RK3568或树莓派4B上跑通YOLOv5单目测距6.1 模型量化与部署YOLOv5s转ONNX再量化的常见做法如果你不满足于在电脑上跑演示而是想装到RK3568开发板或树莓派4B上做边缘部署那就要认真考虑算力问题了。YOLOv5s在RK3568上直接跑PyTorch推理是没有意义的必须走“训练/导出ONNX→量化→NPU推理”的链路。RK3568的NPU通常采用RKNN工具链流程是把.pt权重先导出为ONNX# 在YOLOv5仓库目录下执行导出 python export.py --weights yolov5s.pt --include onnx --opset 12导出后用RKNN-Toolkit2做模型转换和量化量化一般用int8校准数据集选200张跟实际场景接近的图片。这里有两条产品血泪经验第一模型量化后精度会掉尤其小目标检测所以训练时建议用yolov5s起步而不是更小的yolov5n给量化留出精度余量第二板端NPU对某些算子支持不完整导出前把YOLOv5的--opset固定到12是一个相对稳妥的选择遇到不支持的算子再回退版本不要盲目追新。树莓派4B没有NPU只能靠CPU跑建议用yolov5s的ONNX版本在ONNX Runtime下运行实测640分辨率大概能做到每秒5到8帧这个速度做一些低速巡检够用。如果想让树莓派更快可以考虑换用更轻量化的模型结构或者把输入分辨率降到416。核心理念是边缘部署的瓶颈从来不只是模型精度而是算力、帧率和检测精度的三角平衡先想清楚你要的帧率就能倒推出模型规模。6.2 现场验证方法用标定物和误差曲线判断系统能不能用部署完成后第一件事不是看效果而是做一次系统的距离误差标定。方法很简单找一个已知高度的标志物比如身高1.7米的同事或者一个固定高度的纸箱从1米到20米每隔1米测一次记录算法输出的距离和实际距离然后画一条误差曲线。根据这条曲线你会看到几个关键指标最小有效距离、最大有效距离、全程误差的均值与标准差。我在项目里通常以“误差≤10%”作为可用区间落在区间内的距离才允许输出给下游逻辑超出区间就直接标记为无效。很多方案翻车不是因为算法跑不通而是因为没有做这一步现场验证直接把实验室里偶尔准的测距值当成了真实产品的输出上线后用户一比测就露馅了。误差曲线还有一个额外好处它可以帮助你发现系统性的偏差规律比如“5米处总是偏近20厘米”这种情况往往是等效高度的修正值没设好而不是随机噪音。6.3 最后的一条经验先跑通最小闭环再谈优化如果你准备启动一个YOLOv5单目测距的项目我最想留给你的一条建议是先不要优化先跑通最小闭环。最小闭环的定义是——摄像头实时出图YOLOv5实时出框测距公式实时出距离三个环节连起来能在屏幕上稳定显示目标距离。这个闭环不需要很准但一定要完整跑通。很多工程师包括我自己都有过这样的经历一上来就想做多目标跟踪、做距离平滑、做畸变矫正结果调了一个月还没有一个能现场演示的版本最后在汇报时拿不出手。正确节奏是先用最小闭环验证整条管线的合理性确认数据流没有断点然后再一个环节一个环节地优化。做标定修正、加跟踪滤波、换更高精度的模型这些优化都是锦上添花但前提是“锦”已经织好了。这个方向值不值得做其实答案很清楚——只要有预算限制和实时测距需求YOLOv5单目测距就是当前性价比最高的方案之一关键是别让那些坑把你的耐心耗尽。希望这篇能帮你少走几段弯路也希望以后你回来说一句“单目测距也就这么回事”的时候是真的把那些坑都填平了。本文还有配套的精品资源点击获取
简介基于YOLOv5与单目测距的Python实现资源面向计算机视觉开发者、自动驾驶与机器人导航方向学习者解决单摄像头场景下目标检测与距离估计的融合问题。资源共132个文件约13.87MBRAR打包包含40个yaml、34个py、16个pyc以及yml、xml、sh、md等类型覆盖模型配置、训练与推理脚本、预训练权重、说明文档与辅助配置文件整体结构清晰便于二次开发与学习。已有3858人学习下载。读者可获得YOLOv5目标检测与单目深度估计的完整框架结合预训练权重与示例图像实践锚框机制、特征提取、深度映射以及物体框与距离信息的融合借助Python源码可调整数据增强、锚框等参数利用测试脚本在图片上输出检测框和距离估计结果逐步掌握单目测距全流程。资源内还包含Dockerfile、Jupyter示例等便于在不同环境复现适合在智能监控、无人系统等场景中快速搭建原型。1. YOLOv5单目测距一个自带“尺子”的检测方案到底能测多准做视觉测距的兄弟应该都有同感手里只有一台普通USB摄像头想同时干“检测目标”和“量距离”两件事不想上双目、不想上毫米波雷达预算就几百块那这就是你最现实的选项——用YOLOv5框出目标再用单目几何把像素换算成米。这套方案在安防球机、果园巡检小车、河道漂浮物监测这些场景里特别常见它不挑硬件一张标定板和一台带摄像头的电脑就能起步。但先把丑话说在前面单目测距本质上是在“猜”距离它依赖的是几何假设不是激光雷达那种直接测量。你用YOLOv5单目测距能测到什么精度完全取决于你怎么标定相机、怎么选测距模型、怎么处理检测框的抖动。这篇不绕弯子从相机模型的底层逻辑一直写到能跑的Python代码把标定、参数、代码和坑都摊开讲适合想快速落地又不想走弯路的人。2. 从像素到米单目测距的几何原理与相机模型2.1 小孔成像与针孔模型为什么单目能测距但要先标定很多人第一次接触单目测距时都问同样一个问题一个摄像头没有深度信息凭什么能算出距离答案是小孔成像。把相机想象成一个针孔外界物体反射的光线穿过针孔打在感光元件上物体的尺寸、它在图像中的像素大小、以及它到相机的距离这三者之间有一个确定的三角关系。只要我们知道物体的真实尺寸再量出它在图像里占了多少像素距离就能反推出来。这个关系用公式写出来极其简单d (W_real * f) / w_pixel其中W_real是目标的真实宽度或高度w_pixel是目标在图像中对应的像素宽度f是焦距以像素为单位。你可能会说这不就是初中相似三角形吗对单目测距的全部核心就是这条相似三角形但问题在于f从哪里来图像里的w_pixel为什么经常不准这就是为什么必须先做相机标定——标定的目的就是把这个针孔模型的参数焦距、主点、畸变从“理想值”修正为“这台相机的真实值”。不标定行不行行但误差会非常玄学。市面上买来的摄像头标称焦距是2.8mm或4mm那是镜头的光学焦距不是像素焦距再加上镜头畸变画面边缘的像素比例跟中心完全不同。我见过有人拿标称参数去算距离1米以内的近距离误差还能看超过3米直接偏出去半米多。所以动手写测距代码之前先把标定这块地基打牢否则后面所有东西都是空中楼阁。2.2 四大坐标系与内外参标定板与张正友标定的物理含义相机标定绕不开四个坐标系世界坐标系、相机坐标系、图像物理坐标系、图像像素坐标系。听着唬人其实逻辑链很简单——世界坐标系里的一个三维点(Xw, Yw, Zw)先通过外参旋转矩阵R和平移向量t变换到相机坐标系再通过内参焦距fx、fy主点cx、cy投影到图像平面最后加上畸变修正得到像素坐标(u, v)。整个过程的矩阵形式就是经典的[u, v, 1]^T K * [R|t] * [Xw, Yw, Zw, 1]^T其中K就是内参矩阵。张正友标定法是目前最常见的标定方案只需要一个打印出来的棋盘格从不同角度拍十几到二十张照片算法就能自动提取角点并求解内外参。它为什么能成为事实标准因为棋盘格的角点检测极其稳定而且每个格子的大小是已知的比如30mm这就给算法提供了真实的物理尺度参照。你不需要昂贵的标定设备一张A4纸打印的棋盘格贴在硬纸板上就能干活这也是它被广泛采用的原因。外参在单目测距里往往被忽略但它其实同样重要。单目测距公式里其实隐含了目标平面与相机成像面平行的假设目标正对着摄像头距离是沿着光轴方向的。一旦相机有俯仰角或者目标不在画面中央公式就得重新推导。所以做标定时除了拿到内参最好顺手记录一下相机的安装俯仰角后面处理远距离目标时会用得上。2.3 两种落地路线已知目标高度 vs 地面投影假设实际写代码时单目测距主要有两条路线选哪条直接决定你代码的复杂度和适用场景。第一条路线是“已知目标尺寸法”典型应用是行人测距。人类的平均身高是已知的比如1.7米你用YOLOv5检测出行人框用框的高度当作像素高度套用d (H_real * fy) / h_pixel就能算出距离。这套方案实现最简单代码不超过十行但它的弱点也很明显检测框不仅仅是人的身体经常包含一部分背景而且行人弯腰、蹲下时真实高度不再等于1.7米误差就会瞬间放大。第二条路线是“地面投影法”也叫地平面假设。它假设目标底部点落在地平面上利用相机的高度、俯仰角和像素坐标通过几何关系解算出目标到相机的水平距离。公式比第一种复杂一些涉及d H_cam / tan(theta arctan((v - cy) / fy))这样带俯仰角的表达式但它不依赖目标尺寸对车辆、船、动物这类高度不确定的目标更友好。实际项目里如果检测目标是行人我一般先用第一种快速跑通如果测的是车辆或者装在移动机器人上我通常直接上第二种避免目标尺寸方差带来的坑。这两种路线并不互斥。理解它们的本质区别你才能在自己项目里选对公式——看到“YOLOv5单目测距”源码时先分辨它用的是哪条路线再决定是直接拿去用还是改造这个分辨能力比背公式本身更重要。3. 在本地跑通YOLOv5检测环境、模型与检测输出解析3.1 Python环境准备与cv2、numpy安装的版本坑不管你是Windows还是Linux第一步都是把Python环境备好。YOLOv5官方仓库对Python版本的要求不算苛刻3.8到3.10都能跑得很顺。Windows用户去python官网下载安装包时记得勾选“Add Python to PATH”否则后面在cmd里敲pip会提示找不到命令。装完之后打开终端先把基础依赖装上再考虑PyTorch的事# 创建独立的虚拟环境避免污染系统Python python -m venv yolo_env # Windows下激活 yolo_env\Scripts\activate # Linux下激活 source yolo_env/bin/activate # 先装基础库注意opencv-python的版本 pip install numpy opencv-python这里有一个常见翻车点opencv-python和opencv-contrib-python不能同时装否则cv2会被整出各种奇怪冲突。而且numpy版本和opencv版本之间也有隐性依赖如果你用的是较新的opencv4.8以上numpy最好在1.24以上不然导入cv2时会报_ARRAY_API not found之类的错。我一般建议先把这两个装好再按YOLOv5仓库里的requirements.txt装PyTorch这样能少踩很多环境的坑。PyTorch的安装建议直接去pytorch官网按你的CUDA版本生成命令。如果没有独立显卡装CPU版也够跑通流程和做推理只是训练会慢很多。装完之后在Python交互环境里执行下面的验证命令确认环境是干净的再往下走import cv2 import numpy as np import torch # 检查关键库的版本确认都能正常导入 print(OpenCV version:, cv2.__version__) print(NumPy version:, np.__version__) print(PyTorch version:, torch.__version__) # 如果输出正常说明环境基本可用这段验证代码的作用是在正式跑YOLOv5之前就暴露环境问题。很多人跳过了这一步直接跑detect.py结果报错后根本分不清是环境问题还是代码问题白白浪费半天。版本号不一定要跟我上面写的完全一致只要大版本对得上、能正常导入就行——黑匣子里的报错大多不是算法问题而是环境问题。3.2 用YOLOv5官方仓库跑通检测最小命令与关键参数环境就绪后克隆YOLOv5官方仓库并安装依赖这是最稳妥的起步方式。官方仓库维护活跃预训练权重可以直接从Release页面下载不需要自己训练就能先看到检测效果# 克隆仓库并进入目录 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 安装依赖或者用requirements.txt里的完整列表 pip install -r requirements.txt # 跑一张官方示例图片--weights会自动下载yolov5s.pt python detect.py --weights yolov5s.pt --source data/images/bus.jpg执行完上面的命令你会在runs/detect/exp目录下看到标注好的图片。第一次跑的时候它会自动下载yolov5s.pt权重文件大约14MB如果下载慢可以考虑用镜像源。这里解释一下几个核心参数--weights指定模型权重yolov5s是small版本速度和精度的平衡点适合快速验证--source指定输入可以是图片、视频文件、摄像头设备号比如0表示第一个USB摄像头或者一个目录--conf-thres是置信度阈值默认0.25如果检测框太多或太少可以调这个值。如果你想用自己的图片或视频来测把--source换成文件路径就行。如果想把检测结果实时叠加距离信息后面章节里我们会直接改detect.py或者写独立脚本调用模型而不是在命令行层面做文章。先确保这条最小命令能跑通产出一张带框的图片再谈改造它做测距。3.3 解析YOLOv5检测输出拿到bbox、类别与置信度的代码命令行能跑通只是第一步做单目测距必须拿到检测框的像素坐标。YOLOv5预测结果的原始格式是[x_center, y_center, width, height, obj_conf, class_conf, class_id]但一般我们用的是非极大值抑制NMS之后的输出也就是detect.py里det张量的xyxy格式——即每个检测框的左上角和右下角坐标(x1, y1, x2, y2)。下面的代码展示了如何加载模型并解析每个检测框import torch # 加载预训练模型autoshape会自动处理输入尺寸 model torch.hub.load(ultralytics/yolov5, yolov5s, pretrainedTrue) model.conf 0.25 # 置信度阈值低于该值的框会被过滤 model.iou 0.45 # NMS的IoU阈值控制重叠框的合并力度 model.classes None # 限制检测类别None表示检测所有80个类别 # 推理一张图片 results model(data/images/bus.jpg) # results.pandas().xyxy[0] 是DataFrame格式的检测结果 det_df results.pandas().xyxy[0] for _, row in det_df.iterrows(): x1, y1, x2, y2 int(row[xmin]), int(row[ymin]), int(row[xmax]), int(row[ymax]) conf float(row[confidence]) cls int(row[class]) name row[name] # 计算检测框的像素高度和宽度 h_pixel y2 - y1 w_pixel x2 - x1 print(f类别: {name}, 置信度: {conf:.2f}, 框高: {h_pixel}px, 框宽: {w_pixel}px)这段代码就是把YOLOv5和单目测距“缝合”起来的关键桥梁。h_pixel和w_pixel就是测距公式里需要的输入。需要重点理解的是model.conf和model.iou这两个参数直接影响检测框的质量——置信度阈值太低会出现大量误检框太高会漏检IoU阈值则影响重叠目标的框合并行为。我在项目里一般把conf设在0.25到0.4之间具体值取决于场景的误检率和漏检率哪个更难接受。另外注意results.pandas().xyxy[0]这个接口返回的是DataFrame列名是xmin, ymin, xmax, ymax跟原生的results.xyxy[0]张量是对应的。熟手可以直接操作张量新手用DataFrame更直观。拿到检测框后下一步就是把它喂给测距函数——如何标定相机、如何把h_pixel换算成米这是本文第4章要解决的问题。4. 把测距接进YOLOv5相机标定、焦距计算与距离估计代码4.1 张正友标定实操用棋盘格拿到fx与畸变系数标定这一步没有捷径需要用棋盘格拍照片然后用OpenCV内置的张正友标定API跑一遍。先用下面的脚本采集标定图片注意棋盘格要占画面不同位置、不同角度并且尽量让格子纹理清晰import cv2 import os # 棋盘格参数内角点数量注意是角点数不是格子数 CHESS_COLS 9 # 棋盘格列内角点数量 CHESS_ROWS 6 # 棋盘格行内角点数量 SQUARE_SIZE 0.03 # 每个格子的边长单位米30mm cap cv2.VideoCapture(0) save_dir calib_imgs os.makedirs(save_dir, exist_okTrue) count 0 while count 30: ret, frame cap.read() if not ret: continue gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 寻找棋盘格内角点 found, corners cv2.findChessboardCorners(gray, (CHESS_COLS, CHESS_ROWS), None) if found: # 在画面上画出角点供确认 cv2.drawChessboardCorners(frame, (CHESS_COLS, CHESS_ROWS), corners, found) # 按空格键保存当前帧 cv2.imshow(Calibration, frame) if cv2.waitKey(1) 0xFF ord( ): cv2.imwrite(f{save_dir}/calib_{count:02d}.jpg, frame) count 1 print(f已保存 {count}/30 张标定图) else: cv2.imshow(Calibration, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()采集完成后用下面的脚本完成标定并保存相机参数import cv2 import numpy as np import glob CHESS_COLS 9 CHESS_ROWS 6 SQUARE_SIZE 0.03 # 准备棋盘格对应的世界坐标点 objp np.zeros((CHESS_ROWS * CHESS_COLS, 3), np.float32) objp[:, :2] np.mgrid[0:CHESS_COLS, 0:CHESS_ROWS].T.reshape(-1, 2) objp * SQUARE_SIZE obj_points [] # 世界坐标点 img_points [] # 图像坐标点 images glob.glob(calib_imgs/*.jpg) for fname in images: img cv2.imread(fname) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners cv2.findChessboardCorners(gray, (CHESS_COLS, CHESS_ROWS), None) if ret: obj_points.append(objp) # 亚像素角点精化提高标定精度 corners2 cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), (cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)) img_points.append(corners2) # 执行标定获得相机内参和畸变系数 ret, mtx, dist, rvecs, tvecs cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None) print(内参矩阵 fx, fy, cx, cy:) print(ffx {mtx[0, 0]:.4f}) print(ffy {mtx[1, 1]:.4f}) print(fcx {mtx[0, 2]:.4f}) print(fcy {mtx[1, 2]:.4f}) print(f畸变系数: {dist.ravel()}) # 保存标定结果到文件后面测距代码直接读取 np.savez(camera_params.npz, mtxmtx, distdist)这段代码最需要关注的是fx和fy两个值它们就是测距公式里的像素焦距。理想情况下fx和fy应该接近相等如果差异过大说明棋盘格照片拍得不够好或者镜头畸变严重。标定结果直接保存成npz文件测距脚本里用np.load读回来就行——这样做的好处是标定只做一次运行时免去重复计算的开销。4.2 核心测距代码基于目标高度的单目距离估计拿到相机内参后测距代码就非常简洁了。下面这个函数实现了“已知目标物理高度利用检测框高度估算距离”的完整逻辑直接对接上一章的检测结果import numpy as np def estimate_distance_by_height(h_pixel, f_pixel, h_real_meter): 通过目标物理高度和检测框像素高度计算距离 :param h_pixel: 检测框的高度单位像素 :param f_pixel: 相机焦距通常用fy单位像素 :param h_real_meter: 目标的真实物理高度单位米 :return: 估计距离单位米 if h_pixel 0: return -1 # 相似三角形距离 (真实高度 * 焦距) / 像素高度 distance (h_real_meter * f_pixel) / h_pixel return distance # 读取上一章标定得到的相机参数 calib_data np.load(camera_params.npz) mtx calib_data[mtx] fy mtx[1, 1] # 示例假设检测到行人真实身高取1.7米 H_REAL 1.7 # 行人平均身高单位米 h_pixel 245 # 这里替换为YOLOv5检测输出的实际框高 distance estimate_distance_by_height(h_pixel, fy, H_REAL) print(f估计距离: {distance:.2f} 米)这段代码就是整条链路的最后拼图。fy之所以放在函数参数里是因为不同相机、不同分辨率下焦距不同。需要注意由于YOLOv5检测框的坐标是相对原始输入图像分辨率而言的所以fy也必须是从原始分辨率标定得到的值。如果在detect.py里做了imgsz640的resize那么像素高度也要对应到640分辨率下的值或者提前把fy按缩放比例换算否则结果会整体偏移。一个实用的改造是把上一章的检测循环和这里的测距函数结合实时计算出画面中每个目标的距离并叠加到画面上。常见做法是引入一个目标跟踪器比如ByteTrack为每个目标分配ID并维护预测距离的历史值用EMA指数移动平均滤波平滑距离输出避免单帧检测抖动带来的距离跳变。4.3 参数怎么调近距离、远距离、俯仰角对结果的影响测距代码跑通后你会很快发现调参的乐趣和痛苦。首先是近距离1米以内的情况这时目标占画面比例很大检测框高度的几个像素误差对距离计算的影响相对小但镜头畸变的影响会被放大尤其是画面边缘的目标误差可能达到10%以上。解决方法有两种一种是对图像做畸变矫正用标定得到的dist系数做cv2.undistort另一种是把目标尽量保持在画面中心区域测距。远距离10米以上是单目测距最脆弱的工作区间。以行人测距为例当距离为20米时一个1.7米高的人在640分辨率画面里可能只有20到30像素高检测框上下浮动3到5像素就会造成15%以上的距离误差。这不是调参能解决的而是几何条件决定的分辨率极限。常见做法是提高输入分辨率比如把--imgsz从640调到1280或者换用检测精度更高的yolov5m/yolov5l模型让检测框更稳定。还有一个常被忽略的参数是相机的俯仰角。如果你把摄像头装在高处向下俯视行人检测框的底部点并不在地面垂直投影处直接用相机光轴方向的深度公式会产生系统性偏差。这时的正确做法是用4.3开头提到的地面投影模型把相机高度H_cam和俯仰角theta代入几何公式。这也就是为什么我在第2章强调“两条路线”的原因——参数调不明白的时候回头看公式可能问题就出在你选错了测距模型。5. YOLOv5单目测距实战避坑5个必踩的经典坑5.1 坑一检测框高度不等于目标物理高度——检测框的暴力截断问题现象行人明明站在3米外测出来距离是2.5米误差20%以上。反复调整焦距和置信度阈值都没用。原因YOLOv5输出的框是矩形它框住的是“整个行人的视觉范围”可能包含头顶上方的空白和脚部以下的阴影背景当目标部分出画面或被遮挡时框的高度更会直接“缩水”导致距离被高估。解决不要直接用完整框高而是先对目标的真实高度做一次标定修正——在几个已知距离比如2米、4米、6米拍目标反推出一个“等效物理高度”用这个值替代经验值。等效高度相当于把检测框的系统性偏差吸收掉了虽然不完美但比直接套1.7米靠谱得多。5.2 坑二标定棋盘格拍得越多越好照片分布不均导致的内参偏移现象标定重投影误差很低但实际测距在画面边缘区域的误差就是比中心大很多。原因照片虽然拍了30张但棋盘格总是出现在画面中心附近边缘区域的畸变没有被充分采样标定算法对边缘畸变的拟合就是“瞎猜”。解决重拍标定照片确保棋盘格覆盖画面的九宫格所有区域——左上、右上、中左、中右、中心、左下、右下都要有并且包含明显的前倾、后仰等角度变化。一个直观的检验标准标定完之后棋盘格放在画面四个角落拍摄时角点重投影误差应该都和中心位置相当而不是“角落更差”。5.3 坑三距离越远误差越大不是算法问题而是几何条件退化现象近距离测得很准到了15米外误差动辄数米你以为是代码写错了。原因单目测距的误差与距离的平方成正比。假设检测框高度的像素误差为delta_h_pixel距离误差约等于(d^2 * delta_h_pixel) / (H_real * f_pixel)。距离翻倍误差翻四倍远距离下检测框只有几个像素高一个像素的框高波动就是很大的距离变化。解决认清单目测距的工作区间不要把它的有效距离硬顶到20米以上。如果一定要测远距离考虑换更高分辨率相机、更大焦距镜头、更高精度模型或者接受误差并做距离分段加权——近距离信任测距结果远距离只给“大于某个值”的模糊估计别输出一个假的精确数字误导下游逻辑。5.4 坑四相机有俯仰角时公式直接失效——光轴方向不是水平方向现象把摄像头装在2米高的杆子上向下俯视近距离测距还行到了5米外距离突然变得忽近忽远。原因你还在用d (H_real * fy) / h_pixel这个公式它假设相机光轴与目标平面垂直但俯视安装时光轴是斜的目标像素高度和真实距离不再是简单的相似三角形关系。解决改用地面投影模型公式变为d H_cam / tan(theta arctan((v - cy) / fy))。其中H_cam是相机离地高度theta是相机俯仰角v是检测框底部中点的像素纵坐标。这个模型不依赖目标高度只依赖目标脚尖落地的假设对行人和车辆都适用。实测下来俯仰角标定精确到0.5度以内时5到10米距离误差能控制在5%左右。5.5 坑五距离输出抖动严重——单帧检测不够稳要加滤波现象目标站着不动测距结果在2.8米和3.4米之间来回跳视频里距离数字跳得人眼晕。原因YOLOv5单帧检测框不是静止的目标姿态、光线变化、轻微遮挡都会让框高波动几个像素这些波动直接传导到距离结果。解决两步走。第一步对检测框高度做时间维度的滤波典型做法是用指数移动平均EMAh_smooth alpha * h_current (1 - alpha) * h_smoothalpha取0.3到0.5比较合适。第二步是配合目标跟踪器为每个目标分配ID并单独维护滤波状态避免多目标场景下距离值串号。我见过有人直接对距离值做均值滤波效果也可以但响应延迟会变大要注意取舍。6. 进阶落地在RK3568或树莓派4B上跑通YOLOv5单目测距6.1 模型量化与部署YOLOv5s转ONNX再量化的常见做法如果你不满足于在电脑上跑演示而是想装到RK3568开发板或树莓派4B上做边缘部署那就要认真考虑算力问题了。YOLOv5s在RK3568上直接跑PyTorch推理是没有意义的必须走“训练/导出ONNX→量化→NPU推理”的链路。RK3568的NPU通常采用RKNN工具链流程是把.pt权重先导出为ONNX# 在YOLOv5仓库目录下执行导出 python export.py --weights yolov5s.pt --include onnx --opset 12导出后用RKNN-Toolkit2做模型转换和量化量化一般用int8校准数据集选200张跟实际场景接近的图片。这里有两条产品血泪经验第一模型量化后精度会掉尤其小目标检测所以训练时建议用yolov5s起步而不是更小的yolov5n给量化留出精度余量第二板端NPU对某些算子支持不完整导出前把YOLOv5的--opset固定到12是一个相对稳妥的选择遇到不支持的算子再回退版本不要盲目追新。树莓派4B没有NPU只能靠CPU跑建议用yolov5s的ONNX版本在ONNX Runtime下运行实测640分辨率大概能做到每秒5到8帧这个速度做一些低速巡检够用。如果想让树莓派更快可以考虑换用更轻量化的模型结构或者把输入分辨率降到416。核心理念是边缘部署的瓶颈从来不只是模型精度而是算力、帧率和检测精度的三角平衡先想清楚你要的帧率就能倒推出模型规模。6.2 现场验证方法用标定物和误差曲线判断系统能不能用部署完成后第一件事不是看效果而是做一次系统的距离误差标定。方法很简单找一个已知高度的标志物比如身高1.7米的同事或者一个固定高度的纸箱从1米到20米每隔1米测一次记录算法输出的距离和实际距离然后画一条误差曲线。根据这条曲线你会看到几个关键指标最小有效距离、最大有效距离、全程误差的均值与标准差。我在项目里通常以“误差≤10%”作为可用区间落在区间内的距离才允许输出给下游逻辑超出区间就直接标记为无效。很多方案翻车不是因为算法跑不通而是因为没有做这一步现场验证直接把实验室里偶尔准的测距值当成了真实产品的输出上线后用户一比测就露馅了。误差曲线还有一个额外好处它可以帮助你发现系统性的偏差规律比如“5米处总是偏近20厘米”这种情况往往是等效高度的修正值没设好而不是随机噪音。6.3 最后的一条经验先跑通最小闭环再谈优化如果你准备启动一个YOLOv5单目测距的项目我最想留给你的一条建议是先不要优化先跑通最小闭环。最小闭环的定义是——摄像头实时出图YOLOv5实时出框测距公式实时出距离三个环节连起来能在屏幕上稳定显示目标距离。这个闭环不需要很准但一定要完整跑通。很多工程师包括我自己都有过这样的经历一上来就想做多目标跟踪、做距离平滑、做畸变矫正结果调了一个月还没有一个能现场演示的版本最后在汇报时拿不出手。正确节奏是先用最小闭环验证整条管线的合理性确认数据流没有断点然后再一个环节一个环节地优化。做标定修正、加跟踪滤波、换更高精度的模型这些优化都是锦上添花但前提是“锦”已经织好了。这个方向值不值得做其实答案很清楚——只要有预算限制和实时测距需求YOLOv5单目测距就是当前性价比最高的方案之一关键是别让那些坑把你的耐心耗尽。希望这篇能帮你少走几段弯路也希望以后你回来说一句“单目测距也就这么回事”的时候是真的把那些坑都填平了。本文还有配套的精品资源点击获取
