编程机器人测距的方法主要依赖于机器人的视觉系统和测距传感器。以下是一个使用Python编写的简单示例，展示了如何通过机器人的下摄像头进行单目测距。
示例代码
```python
!/usr/bin/python2.7
-*- coding: UTF-8 -*-
import vision_definitions
import math
def DistAndDirect_cal（cxnum, rynum, colsum, rowsum, Head_angle, cameraID）:
"""
通过图像识别得到球心的像素点坐标，计算球离机器人的相关角度与距离。
参数：
cxnum, rynum： 通过图像识别得到球心的像素点坐标
colsum, rowsum： 图片总大小 （640x480）
cameraID： 摄像头ID （0： 上摄像头， 1： 下摄像头）
返回值：
distx, disty： 球心到机器人的水平距离和垂直距离
"""
if cameraID == 0:
h = 0.62
Camera_angle = 12
else:
h = 0.57
Camera_angle = 38
Head_angle_rad = math.radians（Head_angle）
Total_angle = math.pi * （Picture_angle + Camera_angle） / 180 + Head_angle_rad
d1 = h / math.tan（Total_angle）
distx = -（cxnum - colsum / 2） * 47.64 / 480
disty = rynum * 47.64 / 480
distance = math.sqrt（distx2 + disty2）
return distx, disty, distance
示例调用
cxnum = 320 示例像素坐标
rynum = 240 示例像素坐标
colsum = 640 图片总宽度
rowsum = 480 图片总高度
Head_angle = [0, 0] 机器人头部角度 （仰俯角度）
cameraID = 1 使用下摄像头
distx, disty, distance = DistAndDirect_cal（cxnum, rynum, colsum, rowsum, Head_angle, cameraID）
print（f"水平距离： {distx} 像素"）
print（f"垂直距离： {disty} 像素"）
print（f"距离： {distance} 米"）
```
说明
摄像头标定：
在实际应用中，需要对摄像头进行标定，以获得像素点与实际距离之间的转换关系。这通常涉及使用已知目标在不同距离和角度下拍摄多张照片，并通过图像处理算法计算摄像头的内部参数（如焦距）。
图像处理：
在获取图像后，需要使用图像处理技术（如阈值分割、边缘检测等）来识别目标物体，并提取其像素坐标。
角度计算：
根据摄像头的安装位置和机器人的姿态，计算目标物体相对于机器人的角度。
距离计算：
利用三角测量原理，结合目标物体的像素坐标和角度信息，计算目标物体与机器人之间的距离。
建议
标定和校准：确保摄像头标定准确，以提高测距精度。
环境适应：在实际应用中，考虑环境光线、背景干扰等因素，对算法进行优化。
多次测量：在运动过程中对方向和距离进行多次测量和校正，以提高准确度。
通过以上步骤和方法，编程机器人可以实现较为准确的测距功能。