RoboMaster 2023大能量机关视觉识别教程

2023-12-30 18:50
文章标签 2023 教程 视觉 能量 识别 robomaster 机关

本文主要是介绍RoboMaster 2023大能量机关视觉识别教程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

        2023新赛季，官方对大能量机关进行了更改。接下来的识别过程是本人刚接触rm时在梯队中写的，希望对大家的识别有所帮助。

图像预处理

        本步骤主要目的是提取想要的颜色，把不需要的颜色过滤掉。

核心思路是通过二值化，让白色区域为我们想要的颜色区域。

         这里有两种二值化的思路：

1：使用inRange函数，通过hsv找到需要的颜色。

不会用inRange函数的同学可以看一下这篇文章，学习如何实操。

(11条消息) OpenCV inRange函数 小白使用教程_不知所云的咸鱼的博客-CSDN博客

2：通过分离颜色通道，配合黑白二值化，实现提取想要的颜色区域。

代码如下：

	/*容器，存放分离通道后的图像*/vector<Mat> Channels;split(image, Channels);/*红色Mat redimage = Channels.at(2) - Channels.at(0);*//*蓝色*/Mat blueImage = Channels.at(0) - Channels.at(2);

        此处imshow了分离通道后的图像。

        由于在实际情况下，外界会有灯光等因素的干扰，imshow出来的图像不能像此处一样理想，所以需要用到二值化来消除噪声。

    /*二值化*/Mat binaryImage;threshold(blueImage, binaryImage, 140, 255, THRESH_BINARY);

思路1：

      作者的思路是将风扇上的箭头合并，使它成为特征图形。再确定能量机关的中心点R，最后通过两者中心矩确定需要打击点。

       确定R：我们确定轮廓，通常采用findContours函数。参数选择CV_RETR_TREE，CV_CHAIN_APPROX_NONE，建立关系树，找到需要轮廓。

对CV_RETR_TREE，CV_CHAIN_APPROX_NONE寻找轮廓不熟悉的同学，可以看这篇文章学习：

(11条消息) findContours函数串讲_不知所云的咸鱼的博客-CSDN博客

     通过观察，我们发现R轮廓，有一个没有任何同级轮廓的子轮廓，并且是满足前置条件下面积最小的轮廓，我们可以通过这个来确定R轮廓。

代码如下：

/*找到圆周运动的圆心——R*/vector<vector<Point>> outlines;vector<Vec4i> hierarchies;int minArea = 10000;int minId;Point2f center;  /*定义外接圆中心坐标*/float radius;  /*定义外接圆半径*/findContours(binaryImage, outlines, hierarchies, RETR_TREE, CHAIN_APPROX_NONE);for (int i = 0; i < outlines.size(); i++) {vector<Point>points;double area = contourArea(outlines[i]);/*面积排除噪声*/if (area < 10 || area>10000)continue;/*找到没有父轮廓的轮廓*/if (hierarchies[i][3] >= 0 && hierarchies[i][3] < outlines.size())continue;/*找有子轮廓的*/if (hierarchies[i][2] < 0 || hierarchies[i][2] >= outlines.size())continue;/*控制误差范围*/if (area <= minArea + 10 && area >= minArea - 20) {minArea = area;minId = i;continue;}/*面积最小的轮廓*/if (minArea >= area){minArea = area;minId = i;}}/*防止minId不在范围内报错*/if (minId >= 0 && minId < outlines.size()) {/*画外接圆并找到圆心*/minEnclosingCircle(Mat(outlines[minId]), center, radius);circle(test, center, radius, Scalar(0, 0, 255), 1, 8, 0);}else {//退出}

这里发现画外接圆并不稳定，代码可以从此处优化。

        通过膨胀，将风扇上的箭头合并，使它成为特征图形：

代码如下：

	/*膨胀操作*/Mat element = getStructuringElement(0, Size(3, 3));Mat dilateImage;/*dilate最后一个数字是膨胀次数*/dilate(binaryImage, dilateImage, element, Point(-1, -1), 2);

 由于膨胀会将R标特征损坏，所以在膨胀前先确定R的位置。

        之后寻找这个轮廓:

         它没有子轮廓，也没有父轮廓，是满足前置条件下面积最大的轮廓。

代码如下：

	/*轮廓发现*/vector<vector<Point>> contours;vector<Vec4i> hierarchy;double maxArea = -1;int maxId;findContours(dilateImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);for (int i = 0; i < contours.size(); i++) {vector<Point>points;double area = contourArea(contours[i]);/*面积排除噪声*/if (area < 20 || area>10000)continue;/*找到没有父轮廓的轮廓*/if (hierarchy[i][3] >= 0 && hierarchy[i][3] < contours.size())continue;/*找没子轮廓的*/if (hierarchy[i][2] >= 0 && hierarchy[i][2] < contours.size())continue;/*找面积最大的轮廓*/if (maxArea <= area){maxArea = area;maxId = i;}/*控制误差范围*/if (area <= maxArea + 50 && area >= maxArea - 50) {maxArea = area;maxId = i;}}if (maxId >= 0 && maxId < contours.size()) {/*画出需打部位轮廓*/drawContours(test, contours, maxId, Scalar(0, 255, 255), 1, 8);}

        得到此轮廓后，可以计算其中心点位置，通过此中心点和R轮廓中心点，计算距离，连线并延长，最后得到目标点。

代码如下：

 Point2f rectMid;/*半径参考长度所在轮廓几何中心*/if (maxId >= 0 && maxId < contours.size()) {/*计算矩*/Moments rect;rect = moments(contours[maxId], false);/*计算中心矩:*/Point2f rectmid;rectmid = Point2f(rect.m10 / rect.m00, rect.m01 / rect.m00);/*画出需打部位轮廓*/drawContours(test, contours, maxId, Scalar(0, 255, 255), 1, 8);rectMid = rectmid;}/*长度2：1计算需打击部位,存放*/Point2f target;/*目标点*/double multiple = 1.5;/*倍率，换算目标点所用*//*第一象限*/if (rectMid.x >= center.x && rectMid.y <= center.y) {target = Point2f(center.x + (rectMid.x - center.x) * multiple, center.y - (center.y - rectMid.y) * multiple);}/*第二象限*/if (rectMid.x <= center.x && rectMid.y <= center.y) {target = Point2f(center.x - (center.x - rectMid.x) * multiple, center.y - (center.y - rectMid.y) * multiple);}/*第三象限*/if (rectMid.x <= center.x && rectMid.y >= center.y) {target = Point2f(center.x - (center.x - rectMid.x) * multiple, center.y + (rectMid.y - center.y) * multiple);}/*第四象限*/if (rectMid.x >= center.x && rectMid.y >= center.y) {target = Point2f(center.x + (rectMid.x - center.x) * multiple, center.y + (rectMid.y - center.y) * multiple);}circle(test, target, 1, Scalar(0, 255, 255), -1, 8, 0);

得到最终效果图：

定义的点 target 即为目标点。

        完整版代码发布在github上了：fourthyuan/rm: rm入门代码 (github.com)，对你有帮助的话，帮我增加一下下载量吧。

这篇关于RoboMaster 2023大能量机关视觉识别教程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/553709。

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门（一）：登录与退出》 《Spring-Security-入门（二）：基于数据库验证》 《Spring-Security-入门（三）：密码加密》 《Spring-Security-入门（四）：自定义-Filter》 《Spring-Security-入门（五）：在 Sprin
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
阿里开源语音识别SenseVoiceWindows环境部署

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别： 采用超过 40 万小时数据训练，支持超过 50 种语言，识别效果上优于 Whisper 模型。富文本识别：具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推
阅读更多...
SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型，它综合考虑了土壤-水分-大气以及植被间的相互作用；是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程，使其能够精确的模拟土壤中水分的运动，而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者
阅读更多...
CSP 2023 提高级第一轮 CSP-S 2023初试题 完善程序第二题解析 未完

CSP 2023 提高级第一轮 CSP-S 2023初试题 完善程序第二题解析 未完

一、题目阅读 （最大值之和）给定整数序列 a0,⋯,an−1，求该序列所有非空连续子序列的最大值之和。上述参数满足 1≤n≤105 和 1≤ai≤108。 一个序列的非空连续子序列可以用两个下标 ll 和 rr（其中0≤l≤r<n0≤l≤r<n）表示，对应的序列为 al,al+1,⋯,ar​。两个非空连续子序列不同，当且仅当下标不同。 例如，当原序列为 [1,2,1,2] 时，要计算子序列 [
阅读更多...
沁恒CH32在MounRiver Studio上环境配置以及使用详细教程

沁恒CH32在MounRiver Studio上环境配置以及使用详细教程

目录 1.  RISC-V简介 2.  CPU架构现状 3.  MounRiver Studio软件下载 4.  MounRiver Studio软件安装 5.  MounRiver Studio软件介绍 6.  创建工程 7.  编译代码 1.  RISC-V简介         RISC就是精简指令集计算机（Reduced Instruction SetCom
阅读更多...
前端技术(七)——less 教程

前端技术(七)——less 教程

一、less简介 1. less是什么？ less是一种动态样式语言，属于css预处理器的范畴，它扩展了CSS语言，增加了变量、Mixin、函数等特性，使CSS 更易维护和扩展LESS 既可以在 客户端 上运行 ，也可以借助Node.js在服务端运行。 less的中文官网:https://lesscss.cn/ 2. less编译工具 koala 官网 http://koala-app.
阅读更多...
【Shiro】Shiro 的学习教程（三）之 SpringBoot 集成 Shiro

【Shiro】Shiro 的学习教程（三）之 SpringBoot 集成 Shiro

目录 1、环境准备2、引入 Shiro3、实现认证、退出3.1、使用死数据实现3.2、引入数据库，添加注册功能后端代码前端代码 3.3、MD5、Salt 的认证流程 4.、实现授权4.1、基于角色授权4.2、基于资源授权 5、引入缓存5.1、EhCache 实现缓存5.2、集成 Redis 实现 Shiro 缓存 1、环境准备 新建一个 SpringBoot 工程，引入依赖：
阅读更多...
计算机视觉工程师所需的基本技能

计算机视觉工程师所需的基本技能

一、编程技能 熟练掌握编程语言 Python：在计算机视觉领域广泛应用，有丰富的库如 OpenCV、TensorFlow、PyTorch 等，方便进行算法实现和模型开发。 C++：运行效率高，适用于对性能要求严格的计算机视觉应用。 数据结构与算法 掌握常见的数据结构（如数组、链表、栈、队列、树、图等）和算法（如排序、搜索、动态规划等），能够优化代码性能，提高算法效率。 二、数学基础
阅读更多...
Windows环境利用VS2022编译 libvpx 源码教程

Windows环境利用VS2022编译 libvpx 源码教程

libvpx libvpx 是一个开源的视频编码库，由 WebM 项目开发和维护，专门用于 VP8 和 VP9 视频编码格式的编解码处理。它支持高质量的视频压缩，广泛应用于视频会议、在线教育、视频直播服务等多种场景中。libvpx 的特点包括跨平台兼容性、硬件加速支持以及灵活的接口设计，使其可以轻松集成到各种应用程序中。 libvpx 的安装和配置过程相对简单，用户可以从官方网站下载源代码
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2