东南大学RM装甲板识别算法详解

标签：模板匹配   remove   ring   min   相减   fill   asp   rop   循环   

rm中，装甲板的识别在比赛中可谓是最基础的算法。而在各个开源框架中，该算法也可以说最为成熟。出于学习目的，之后将对比多个高校或网络代码（），尝试学习各个rm装甲板识别算法的优点和流程。

这次先是东南大学（SEU-SuperNova-CVRA）开源的视觉算法：

cv::Mat binBrightImg;
cvtColor(_roiImg, _grayImg, COLOR_BGR2GRAY, 1);
cv::threshold(_grayImg, binBrightImg, _param.brightness_threshold, 255, cv::THRESH_BINARY);

先将_roiImg转成灰度图，方便后续转成二值图。
之后再将上图转为二值图，放到binBrightImg中，这里的_param.brightness_threshold是阈值，应用的为cv::THRESH_BINARY的方法。个人认为这里的方法还可以用CV_THRESH_OTSU也就是大津算法，效率有待后续测试。

下面这段代码先不要看，等到下述中出现“请回到顶部”字样的时候观看

// 把一个3通道图像转换成3个单通道图像
split(_roiImg,channels);//分离色彩通道
//预处理删除己方装甲板颜色
if(_enemy_color==RED)
    _grayImg=channels.at(2)-channels.at(0);//Get red-blue image;
 else _grayImg=channels.at(0)-channels.at(2);//Get blue-red image;
————————————————
版权声明：本文为CSDN博主「Raring_Ringtail」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u010750137/article/details/96428059

cv::Mat element = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3, 3));
dilate(binBrightImg, binBrightImg, element);

进行膨胀处理，将二值图中的灯条变粗。

vector> lightContours;
cv::findContours(binBrightImg.clone(), lightContours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

寻找轮廓，将找到的轮廓放置在lightcountours中，而这一步据网上说是相对费时的一段时间，其很大程度决定于前文的预处理情况。

之后是一个大循环来检测轮廓中的灯条。具体操作作为注释

for(const auto& contour : lightContours)//对每个轮廓都进行处理
        {
            //得到轮廓的面积//
            float lightContourArea = contourArea(contour);
    
            //筛选掉噪声//
            if(contour.size()  _param.light_max_ratio ||
               lightContourArea / lightRec.size.area()  lightVertex;
            for(int i = 0; i  20.0)) || (_enemy_color == RED && meanVal[RED] - meanVal[BLUE] > 20.0))
            {
                lightInfos.push_back(LightDescriptor(lightRec));
            }
            //若使用了两通道值相减的方法，则这里可以直接将结果保存下来。注意放入的是lightrec而不是lightrect的外接矩形信息
            //lightInfos.push_back(LightDescriptor(lightRec));

到这里，已经将各可能的灯条放入到lightInfos中去了，可是我们的目的是找到装甲板，所以下面的代码将会在这方面展开：

        //检查是否检测到灯条//
        if(lightInfos.empty())
        {
            return _flag = ARMOR_NO;
        }
    }//循环结束



    {
        //用到了C++11的lambda（可简单看作函数对象），设置了ld1和ld2两个参数，依照灯条中心的x坐标从左到右（opencv的坐标轴为横x竖y）。center为point2f类型的。//
        sort(lightInfos.begin(), lightInfos.end(), [](const LightDescriptor& ld1, const LightDescriptor& ld2)
        {
            return ld1.center.x  minRightIndices(lightInfos.size(), -1);
        
        //遍历每一种组合//
        for(size_t i = 0; i  _param.light_max_angle_diff_ ||
                   LenDiff_ratio > _param.light_max_height_diff_ratio_)
                {
                    continue;
                }

                /*
                *   proper location: // y value of light bar close enough 
                *            // ratio of length and width is proper
                */
                //计算左右灯条中心距离//
                float dis = cvex::distance(leftLight.center, rightLight.center);
                //计算左右灯条长度的均值//
                float meanLen = (leftLight.length + rightLight.length) / 2;
                //灯条y的差//
                float yDiff = abs(leftLight.center.y - rightLight.center.y);
                //y差值的比率//
                float yDiff_ratio = yDiff / meanLen;
                //同前//
                float xDiff = abs(leftLight.center.x - rightLight.center.x);
                float xDiff_ratio = xDiff / meanLen;
                //灯条的距离与长度的比值（也就是嫌疑装甲板长和宽的比值）//
                float ratio = dis / meanLen;
                //对上面各量筛选，如果y差太大（y最好越相近越好），或者x差的太小，又或者装甲板长宽比不合适就排除掉。//
                if(yDiff_ratio > _param.light_max_y_diff_ratio_ ||
                   xDiff_ratio  _param.armor_max_aspect_ratio_ ||
                   ratio  _param.armor_big_armor_ratio ? BIG_ARMOR : SMALL_ARMOR;
                // calculate the rotation score
                float ratiOff = (armorType == BIG_ARMOR) ? max(_param.armor_big_armor_ratio - ratio, float(0)) : max(_param.armor_small_armor_ratio - ratio, float(0));
                float yOff = yDiff / meanLen;
                //应该是rotationScore越接近0越好，看后续用处//
                float rotationScore = -(ratiOff * ratiOff + yOff * yOff);
                
                //生成相应的装甲板//
                ArmorDescriptor armor(leftLight, rightLight, armorType, _grayImg, rotationScore, _param);
                //将获得的嫌疑装甲板放到armors中去//
                _armors.emplace_back(armor);
                break;
            }
        }

        //此处删除debug内容//
        
        //没找到的话。。//
        if(_armors.empty())
        {
            return _flag = ARMOR_NO;
        }
    }

    //此处删除调试信息//

    //delete the fake armors
    _armors.erase(remove_if(_armors.begin(), _armors.end(), [](ArmorDescriptor& i)
    {
        //这里就是识别装甲板的算法了//
        return !(i.isArmorPattern());
    }), _armors.end());

   //江达小记版本//
    _armors.erase(remove_if(_armors.begin(), _armors.end(), [this](ArmorDescriptor& i)
    {//lamdba函数判断是不是装甲板，将装甲板中心的图片提取后让识别函数去识别，识别可以用svm或者模板匹配等
       return 0==(i.isArmorPattern(_small_Armor_template,_big_Armor_template,lastEnemy));
} ), _armors.end());

    //没有一个是装甲板的情况//
    if(_armors.empty())
    {
        _targetArmor.clear();
        
        //看是目标丢失还是没识别出来//
        if(_flag == ARMOR_LOCAL)
        {
            //cout  b.finalScore;
    });
    _targetArmor = _armors[0];

    //update the flag status    
    _trackCnt++;

而识别装甲板算法（也就是原文中的i.isArmorPattern()）等后续有机会再准备。

东南大学RM装甲板识别算法详解

标签：模板匹配   remove   ring   min   相减   fill   asp   rop   循环   

原文地址：https://www.cnblogs.com/IaCorse/p/11567363.html