当前位置：首页 > news >正文

对于装甲板的规范

news 2023/9/22 12:23:25

在原图中寻找目标，并返回是否找到:
   一.寻找所有可能的灯条
       1.单通道,只用一个红或蓝通道
       2.两种不同的二值化阈值，应对不同亮度
       3.开闭运算：腐蚀一次，膨胀两次，再腐蚀一次，大小均为（3,5）
       4.轮廓提取
       5.只对没有子轮廓的轮廓进行判断:是否为有效灯条
           1)最小外接矩形的长宽比范围：(1.2,10)
           2)最小外界矩形的面积<50 且凸度（轮廓面积和其最小外接矩形面积之比）>0.4
           3)最小外界矩形的面积>=50 且凸度（轮廓面积和其最小外接矩形面积之比）>0.6
           条件的关系：1&&(2||3)
           Note: 面积小的凸度可能容易不稳定
       6.判断灯条颜色：
           1)拿最小外界矩形的boundingRect（不倾斜的），再适当调大大小
           2)与src取交集:region &= cv::Rect(0, 0, src.cols, src.rows);
           3)遍历该roi：
               red_cnt += roi.at<cv::Vec3b>(row, col)[2];
   blue_cnt += roi.at<cv::Vec3b>(row, col)[0];
4)red_cnt > blue_cnt 则为红，反之，则为蓝
7.   遍历之前的两种阈值出来的二值图出来的灯条，判断是否为相同灯条：
   1)两灯条中心距离的平方<9
    8.若为相同灯条，则哪个凸度低，把哪个给remove
      (先遍历，把要erase的序号记下来，从大到小erase！)
    9.合并两种阈值出来的二值图出来的灯条
    10.若light_blobs.size() >= 2，才return true
   二.匹配灯条，得到装甲板
       1.判断两个灯条是否可以匹配
           1)颜色均为enemy_color
           2)两个灯条的长度比lengthRatioJudge < 2.5 > 0.4
           3)判断两个灯条的间距
               side_length = sqrt(centers.ddot(centers));
                   (side_length / light_blob_i.length < 10
                   && side_length / light_blob_i.length > 0.5);
           4)判断两个灯条的错位度中心差.x和角度cos乘积+中心差.y和角度sin乘积
           5)判断装甲板方向 (angle_i + angle_j) / 2.0
       (-120.0 < angle && angle < -60.0) || (60.0 < angle && angle < 120.0);
           6)判断两个灯条的角度差 abs(angle_i - angle_j) < 20;
        7)判断两个灯条的高度差 <30
    2.判断是否是有效装甲板
        1)装甲板区域超过src，则continue
        2)装甲板中心位置的y不可能太低 (max_y + min_y) / 2 < 120
        3)if ((max_x - min_x) / (max_y - min_y) < 0.8) continue;
        Note:它们获得的装甲板是一个正矩形
    3.用卷积神经网络对装甲板进行分类
Leran：
   cv::countNonZero
   rect可以&
   point可加减
   使用了opencv的Tracker