一般来说，如果您没有更多的场景相关信息，则无法计算相机和物体之间的距离。

据我所知，您有 3 个选择：

立体视觉

如果您有 2 个摄像头从不同的角度观察同一场景，您可以使用经典的计算机视觉算法计算距离。这称为立体视觉，也称为多视图几何。立体视觉是人类可以推断与周围物体距离的原因（因为我们有两只眼睛）。

运动结构

你移动你的相机，因此改变你的观点，并且随着时间的推移基本上可以做立体映射。运动结构

场景理解

那么为什么独眼的人在某种程度上仍然可以推断出深度呢？因为人类有很多依赖场景的理解。如果你看到一只占据了你一半视野的橡皮鸭，你就会知道它非常接近，因为你知道橡皮鸭并不大。如果你不知道橡皮鸭的大小，就不可能知道你看到的是远处的大橡皮鸭还是真正靠近的小橡皮鸭。

这就是基于深度学习的模型发挥作用的地方。最近关于单目深度估计的概述可以在Zhao2020中找到

您可以使用库 OpenCV 和 Python 来查找距离。

您可以参考：车辆检测和距离估计。

由于您没有提到数据集，您可以考虑本文中的数据集和方法。

如果您的相机是固定的/前面有很多物体，您可以使用相机周围最近的物体。.如果你想处理纬度和经度，这种方法非常有用。