yolov5 车辆实时测距，可以换成自己的模型检测自己的物体。

标点版未黑底白圆，有五个大圆的标定板 三频四相进行解相位 opencv3.4.11

单目影像空间后方交会，利用几何的方法获取参数的近似值，根据共线方程，采用最小二乘确定6个外方位参数。

YOLOv5+单目实现测距（python），原理比较简单

相移+格雷码，多频外差，代码（matlab c++） 单目结构光三维扫描 双目结构光三维扫描 相机标定，投影仪标定，系统标定 基本matlab版本相位编码与解码 基于c++版本相位编码与解码 这段代码主要是实现了相移+格雷码编码与解码以及三频四相编码与解码的功能。 ----一下内容来源于AI对源码的解读，仅供参考 首先，代码中包含了两个类：GrayCoding和MultiFrequency。GrayCoding类用于相移+格雷码编码与解码，MultiFrequency类用于三频四相编码与解码。 在GrayCoding类中，GenerateFringe函数用于生成相移+格雷码的条纹图像。代码中定义了一些变量，如条纹宽度P、相移步数N、图像分辨率Rows和Cols等。然后，通过嵌套循环生成四步相移的条纹图像，并保存为G1.bmp、G2.bmp、G3.bmp和G4.bmp。接着，生成格雷码的条纹图像，并保存为G5.bmp、G6.bmp、G7.bmp、G8.bmp、G9.bmp和G10.bmp。 SolvePhase函数用于解码相移+格雷码的条纹图像。首先，定义了一些变量，如phi、ph

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或者多帧图像的定位两类。

基于单目视觉图像序列的三维重构。。。。。。。。。。。。

该标定程序可以直接使用。如果有什么疑问的地方可以问

摄像机标定是计算机视觉领域的一个研究热点，为了解决单目摄像机标定中的精度不高、模型复杂、鲁棒性差等问题，依据神经网络、遗传算法及摄像机标定的特点，提出了基于遗传算法和BP神经网络相结合的单目摄像机标定方法。该方法充分利用遗传算法的全局优化和神经网络的局部收敛的特点，一方面避免了建立复杂的摄像机成像模型，另一方面增强了摄像机标定的精度和鲁棒性。实验表明该方法有效。

1.2 国内外研究现状 对于高级车辆辅助驾驶系统（Advanced Driver Assistance Systems，ADAS） 而言，其实现的关键是道路障碍物的检测，即利用多种数据源的输入，包括汽车