简介这份资源面向计算机视觉初学者与机器人、自动驾驶方向的开发者提供ZED双目相机结合YOLO目标检测实现测距的完整工程代码运行入口为zedceju.py。内容涵盖ZED SDK安装、numpy版本兼容处理、虚拟环境配置以及YOLOv4与YOLOv4-tiny模型加载、TensorRT加速、相机标定与深度距离计算等环节可帮助读者理解立体视觉与实时目标检测的融合思路。压缩包共42个文件约78.97MB以20个Python脚本为核心配合cfg与weights模型配置权重、xml工程配置、cu与h等CUDA插件源码及Makefile编译文件另含说明文档与演示动图目录按相机、检测、可视化等模块划分。目前已有3004人学习下载适合希望快速跑通ZED加YOLO测距流程、排查环境依赖问题并复用工程结构的读者参考。1. zedyolo双目测距从 zedceju.py 看懂整条链路你手里有一台 ZED 双目相机想让它不只是“看见”而是“测出距离”并且测距的目标还得是 YOLO 框出来的那些物体——这个需求在仓储拣货、AGV 避障、机械臂抓取里非常常见。zedceju.py 这个脚本名本身就说明了它的定位ZED 负责提供左右目图像和深度图YOLO 负责在图像里找到目标然后把目标的像素位置映射到 ZED 的深度坐标系里输出一个以米为单位的距离值。听起来简单但真正跑起来你会发现ZED SDK 的坐标系、YOLO 的检测框、深度图的取值方式三者之间有一堆需要对齐的细节。这篇内容就是围绕 zedceju.py 这条链路把 ZED 双目测距和 YOLO 检测怎么接、参数怎么调、坑在哪一步步拆开讲清楚。适合已经装好 ZED SDK、跑通过 YOLO 推理但还没把两者串起来的工程师。2. ZED 双目测距与 YOLO 检测的对接原理2.1 ZED 深度图是怎么算出来的ZED 双目测距的核心是立体匹配。左右两个摄像头同时拍同一场景同一个物体在左右图像上的水平位置有差异这个差异叫视差。视差越大物体越近视差越小物体越远。ZED SDK 内部用块匹配或半全局匹配算法逐像素计算视差再通过公式depth (f * B) / disparity转换成深度值其中 f 是焦距像素单位B 是基线两个摄像头光心的距离ZED 系列通常是 120mm 或 63mm取决于型号。ZED SDK 提供两种取深度数据的方式retrieve_measure取指定点的深度值retrieve_image取整张深度图。zedceju.py 里通常用的是retrieve_measure因为 YOLO 检测框只需要中心点或框内某几个点的深度不需要整张图。这里有个关键点ZED 的深度图分辨率和 RGB 图像分辨率可能不一致SDK 内部会对齐但如果你手动缩放坐标就会引入误差。2.2 YOLO 检测框如何映射到 ZED 坐标系YOLO 输出的检测框是(x1, y1, x2, y2)格式原点在图像左上角。ZED 的retrieve_measure接收的坐标也是图像坐标系原点同样在左上角但要求是整数像素坐标。所以映射逻辑很直接取检测框中心点cx (x1 x2) // 2cy (y1 y2) // 2然后调用depth_map.get_value(cx, cy)拿到该点的深度值。但这里有个容易翻车的地方如果检测框中心点恰好落在物体边缘或背景上深度值会跳变。常见做法是取框内多个点比如 3x3 网格的深度中位数而不是只取一个点。zedceju.py 如果只取中心点在物体边缘场景下会出现距离忽大忽小的情况这就是典型的“玄学跳变”。2.3 为什么不用 ZED 自带的物体检测ZED SDK 自带一个物体检测模块能直接输出 3D 包围框和距离。但它的检测类别是固定的人、车、动物等没法自定义。YOLO 的优势在于你可以训练自己的数据集检测任意目标。所以 zedceju.py 这种方案的本质是用 YOLO 做“找什么”用 ZED 做“有多远”各取所长。代价就是你需要自己处理坐标对齐和深度取值逻辑。3. 跑通 zedceju.py 的最小步骤与参数配置3.1 环境准备与依赖安装先确认 ZED SDK 和 Python API 已经装好。在终端里跑python -c import pyzed.sl as sl; print(sl.__version__)能输出版本号就说明 ZED 这边通了。YOLO 这边如果用 Ultralytics 的 YOLOv8装pip install ultralytics即可。注意 ZED SDK 对 Python 版本有要求常见是 Python 3.8 到 3.10版本不匹配会出现ImportError。# 检查 ZED SDK Python 绑定是否可用 python -c import pyzed.sl as sl; print(ZED SDK OK:, sl.__version__) # 安装 YOLO 推理依赖以 Ultralytics 为例 pip install ultralytics opencv-python numpy逻辑说明第一行验证 ZED SDK 的 Python 绑定如果报ModuleNotFoundError说明 ZED SDK 没装好或者 Python 环境不对。第二行装 YOLO 和图像处理库。参数上ultralytics会自动拉取 PyTorch如果机器上已经有 CUDA 版本的 PyTorch建议先手动装好再装 ultralytics避免它给你装成 CPU 版。3.2 初始化 ZED 相机与深度模式ZED 初始化时有两个参数直接影响测距效果depth_mode和coordinate_units。depth_mode常见选PERFORMANCE或QUALITY前者帧率高但深度图噪声大后者帧率低但深度更稳。coordinate_units建议设成METER这样后面拿到的深度值直接是米不用再换算。import pyzed.sl as sl zed sl.Camera() init_params sl.InitParameters() init_params.depth_mode sl.DEPTH_MODE.PERFORMANCE # 帧率优先适合动态场景 init_params.coordinate_units sl.UNIT.METER # 深度值单位设为米 init_params.camera_resolution sl.RESOLUTION.HD720 # 1280x720兼顾速度和精度 err zed.open(init_params) if err ! sl.ERROR_CODE.SUCCESS: print(ZED 打开失败:, err) exit(1) runtime_params sl.RuntimeParameters() depth_map sl.Mat()逻辑说明depth_mode选PERFORMANCE是因为 YOLO 推理本身也要耗时如果深度计算再拖后腿整体帧率会掉到 10 以下。camera_resolution选 HD720 而不是 HD1080是因为 1080p 下 ZED 的深度计算量明显增大而 YOLO 输入通常是 640x640720p 已经够用。depth_map是sl.Mat()类型后面每帧用retrieve_measure填充。3.3 YOLO 推理与深度取值的主循环主循环里每帧做三件事抓 ZED 图像、跑 YOLO 检测、对每个检测框取深度值。ZED 的图像格式是 BGRAYOLO 需要 BGR所以要做一次颜色空间转换。import cv2 import numpy as np from ultralytics import YOLO model YOLO(yolov8n.pt) # 先用预训练模型验证链路 image sl.Mat() while True: if zed.grab(runtime_params) ! sl.ERROR_CODE.SUCCESS: continue # 取左目图像并转成 OpenCV 格式 zed.retrieve_image(image, sl.VIEW.LEFT) frame image.get_data()[:, :, :3] # 去掉 alpha 通道变成 BGR # YOLO 推理 results model(frame, verboseFalse) boxes results[0].boxes # 取深度图 zed.retrieve_measure(depth_map, sl.MEASURE.DEPTH) for box in boxes: x1, y1, x2, y2 map(int, box.xyxy[0].tolist()) cx, cy (x1 x2) // 2, (y1 y2) // 2 # 取中心点深度 err, depth_value depth_map.get_value(cx, cy) if err sl.ERROR_CODE.SUCCESS and not np.isnan(depth_value): label model.names[int(box.cls[0])] print(f{label} 距离: {depth_value:.2f} 米) cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(frame, f{label} {depth_value:.2f}m, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imshow(ZED YOLO, frame) if cv2.waitKey(1) 0xFF ord(q): break zed.close() cv2.destroyAllWindows()逻辑说明retrieve_image取的是左目图像因为 YOLO 检测和深度取值都基于左目坐标系这样最省事。get_value返回两个值错误码和深度值必须先判断错误码再使用深度值否则可能拿到 NaN。np.isnan判断是因为 ZED 在纹理缺失区域会输出 NaN直接格式化会打印出nan 米没有意义。参数上yolov8n.pt是最小的模型适合先验证链路。如果换成自己训练的模型把文件名替换掉即可。model.names是类别名映射box.cls[0]是类别索引。检测框坐标要转成 int因为get_value只接受整数坐标。3.4 深度取值策略中心点 vs 多点中位数上面代码用的是中心点取值简单但容易受噪声影响。更稳的做法是在检测框内取 3x3 网格的 9 个点去掉 NaN 后取中位数。def get_robust_depth(depth_map, x1, y1, x2, y2): 在检测框内取 3x3 网格深度中位数 xs np.linspace(x1, x2, 3).astype(int) ys np.linspace(y1, y2, 3).astype(int) depths [] for cx in xs: for cy in ys: err, val depth_map.get_value(cx, cy) if err sl.ERROR_CODE.SUCCESS and not np.isnan(val) and val 0: depths.append(val) if len(depths) 0: return None return float(np.median(depths))逻辑说明np.linspace在框内均匀取 3 个 x 和 3 个 y组合成 9 个点。过滤条件有三个错误码成功、不是 NaN、大于 0。ZED 在太近或太远的地方会输出 0 或负值这些都要排除。最后取中位数而不是平均值是因为中位数对异常值更鲁棒。如果 9 个点全部无效返回 None上层逻辑可以选择跳过这个框。4. 避坑与排查zedceju.py 跑起来后最容易翻车的 5 个点4.1 深度值全是 NaN 或 0现象YOLO 能正常检测但打印出来的距离全是nan或0.00。原因通常是 ZED 的深度模式设成了NONE或者retrieve_measure调用时用的sl.MEASURE.DEPTH和初始化时的depth_mode不匹配。解决确认init_params.depth_mode不是NONE并且retrieve_measure在grab之后调用。另外如果物体表面是纯白墙或玻璃ZED 的立体匹配会失效这是物理限制不是代码问题。4.2 检测框坐标超出图像边界现象get_value返回错误码或者程序直接崩溃。原因是 YOLO 检测框可能有一部分在图像外cx或cy算出来是负数或大于图像宽高。解决在取值前做边界裁剪cx max(0, min(cx, width - 1))cy同理。ZED 的get_value对越界坐标不会自动处理必须自己保证坐标合法。4.3 帧率骤降画面卡顿现象单独跑 ZED 能到 60fps单独跑 YOLO 能到 30fps合在一起只剩 5fps。原因是 ZED 的grab和 YOLO 推理在同一个线程里串行执行YOLO 推理耗时把 ZED 的帧率拖下来了。解决把 YOLO 推理放到单独线程主线程只负责抓图和显示。或者降低 YOLO 输入分辨率model(frame, imgsz320)能明显提速代价是小目标检测精度下降。4.4 深度值和实际距离偏差大现象打印出来 2.5 米实际用卷尺量是 3 米。原因可能是coordinate_units设成了毫米或厘米但代码里按米来理解。或者 ZED 的基线参数和实际型号不匹配。解决确认init_params.coordinate_units sl.UNIT.METER并且用已知距离的物体做一次标定验证。如果偏差是固定比例检查单位如果偏差随机检查深度模式是否设成了PERFORMANCE换成QUALITY会好一些。4.5 YOLO 类别名和实际不符现象检测框画出来了但标签显示的是person实际物体是box。原因是用了预训练模型yolov8n.pt它只认识 COCO 的 80 类。解决换成自己训练的模型权重或者用model.names确认类别映射。如果自己训练的模型类别数不对检查训练时的data.yaml和推理时的model.names是否一致。5. 进阶技巧用深度图做距离滤波与多目标排序5.1 对连续帧做滑动平均滤波单帧深度值受噪声影响大连续帧做滑动平均能明显平滑输出。用一个字典按检测框的类别和位置做简单跟踪或者更简单对同一个类别维护一个固定长度的队列取均值。from collections import defaultdict, deque depth_history defaultdict(lambda: deque(maxlen5)) def smooth_depth(label, depth): depth_history[label].append(depth) return sum(depth_history[label]) / len(depth_history[label])逻辑说明defaultdict按类别维护队列maxlen5表示只保留最近 5 帧。每次新深度值进来就追加然后返回均值。这个方法假设同一类别在连续帧里对应同一个物体如果场景里有多个同类物体需要加上位置匹配逻辑否则会把不同物体的深度混在一起。5.2 按距离排序输出最近目标在避障场景里你往往只关心最近的那个物体。把所有检测框的深度值收集起来按距离升序排列取第一个。targets [] for box in boxes: x1, y1, x2, y2 map(int, box.xyxy[0].tolist()) depth get_robust_depth(depth_map, x1, y1, x2, y2) if depth is not None: targets.append((depth, model.names[int(box.cls[0])], (x1, y1, x2, y2))) targets.sort(keylambda t: t[0]) if targets: nearest targets[0] print(f最近目标: {nearest[1]}, 距离 {nearest[0]:.2f} 米)逻辑说明targets列表存元组(深度, 类别名, 框坐标)sort按深度升序。targets[0]就是最近的目标。这个逻辑在 AGV 避障里很实用不管前面有多少物体只对最近的那个做减速或转向决策。5.3 验证测距精度的一个土办法找一面平整的墙把 ZED 放在离墙 1 米、2 米、3 米的位置每个位置跑 100 帧记录深度值的均值和标准差。如果均值偏差在 2% 以内标准差在 1cm 以内说明链路没问题。如果标准差超过 5cm检查光照是否均匀、墙面是否有纹理。ZED 在弱纹理场景下深度噪声会明显增大这是立体视觉的固有局限换QUALITY模式能缓解但无法根除。我自己的习惯是每次换场景部署前先用这个土办法跑一遍确认深度值可信再上 YOLO。血泪经验是曾经在一个仓库里因为地面反光导致深度值整体偏大 30%排查了一下午才发现是地面材质问题不是代码 bug。希望帮到你。本文还有配套的精品资源点击获取