Week 12：手机摄像头、ArUco 识别与距离估算实验

实验基本信息

课程：AI Robotics
主题：手机摄像头输入、ArUco 标记识别、距离估算
工具：Python、OpenCV、ArUco、WSL

本周实验围绕机器人视觉展开。目标是理解机器人如何通过摄像头识别视觉标记，并根据图像中的像素尺寸估算目标与摄像头之间的距离。

实验目标

本周完成的内容包括：

1. 使用 OpenCV 生成 ArUco 标记。
2. 使用 DICT_4X4_50 字典识别 ArUco。
3. 识别课堂要求的 ArUco ID 6。
4. 根据标记像素宽度估算距离。
5. 保存识别结果图和距离估算图。

文件结构

week12/
|-- README.md
|-- aruco_generate_detect.py
|-- img/
|   |-- aruco_detect.png
|   |-- distance_demo.png
|   |-- screenshot_1.png
|   |-- screenshot_2.png

实验原理

1. ArUco 标记

ArUco 是一种常用于机器人视觉定位的黑白方形标记。每个标记都有唯一 ID，机器人可以通过摄像头识别 ID 和角点位置。在实际机器人应用中，ArUco 可以用于定位、导航、距离估计和相机标定。

本实验使用：

• 字典：DICT_4X4_50
• 标记 ID：6
• 标记尺寸：300 像素

2. ArUco 识别流程

识别过程主要包括：

1. 输入图像。
2. 转换为灰度图。
3. 检测候选方形区域。
4. 解码 ArUco ID。
5. 绘制检测框和 ID 信息。
6. 根据角点距离估算标记在图像中的像素宽度。

3. 距离估算方法

当已知 ArUco 标记的实际宽度时，可以通过图像中的像素宽度估算距离：

distance = real_marker_width * focal_length / pixel_width

本实验使用简化模型，假设标记实际宽度为 0.05 m，焦距为 700 px。虽然这不是严格标定后的真实摄像头模型，但足够说明“像素宽度越大，目标越近；像素宽度越小，目标越远”的基本关系。

运行方法

python3 aruco_generate_detect.py

程序会在 img/ 目录生成并保存：

• aruco_detect.png
• distance_demo.png

实验截图

ArUco ID 6 识别结果

距离估算结果

补充截图

遇到的问题与解决

问题	原因	解决方案
不同 OpenCV 版本 API 不一致	新旧版本的 ArUco 检测接口不同	在代码中判断 ArucoDetector 是否存在，兼容两种写法
距离估算不是实际测量值	焦距没有经过真实相机标定	在 README 中说明这是简化估算模型
标记图像过小会影响识别	角点检测需要清晰边界	生成 300 像素标记，并放在白色画布中央

学习总结

通过本周实验，我理解了机器人视觉识别的基本流程：图像输入、标记检测、ID 解码、角点提取和距离估算。ArUco 标记虽然简单，但它把视觉感知和空间定位连接起来，是机器人实验中非常实用的工具。后续如果使用手机摄像头或机器人摄像头，只需要把输入图像换成实时视频帧，就可以扩展成在线识别系统。