Press "Enter" to skip to content

基于C++的车辆装甲板检测自瞄系统

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

资源下载地址:https://download.csdn.net/download/sheziqiong/85773209

 

资源下载地址:https://download.csdn.net/download/sheziqiong/85773209

 

装甲板检测

 

由于在比赛过程中操作手是第一视角,很难用手动瞄准。通过装甲板检测就是自瞄系统,己方车辆可自动瞄准敌方车辆装甲板,对敌方造成有效的伤害。大大提高了射击精准度。

 

功能:检测装甲板的位置并把位置发送给电控

在目标旋转时保证目标的位置的稳定性
系统延时尽可能短
在多目标时,保证打击的一致性

 

整体架构

 

文件描述

文件名作用
main.cpp算法主函数,包括多线程处理步骤
caffe_model.cpp自己训练的装甲板贴纸分类模型
cctag_detector.cpp老版圆形贴纸识别圆形的方法
coordinate_process.cpp根据通信协议对最终左边进行处理的方法
detector_methods.cpp装甲板检测的主要方法(包括预处理,逻辑判断等)
serialport.cppLinux 下串口使用的文件
v4l2.cppLinux 下利用 V4L2 来调节摄像头的曝光饱和度等参数。

 

装甲板检测流程图

 

 

基本原理

 

 

    1. 如果上一帧的 ROI 标志位为 true 则当前帧的检测区域在上一帧目标的附近,也就是用到了 ROl 方法,如果为 false 则全图搜索,此时将与 ROI 有关的变量全部清零。

 

    1. 对检测区域内的图进行二值化,也就是预处理,思路就是先将图片用灰度阈值进行二值化,这样子可以将图片中发光的物体给提取出来(装甲板灯条以及日光灯等等),然后再用某种方法将图片中红色或蓝色的区域提取出来,之后再膨胀腐蚀用形态学的方法连通断开的区域,使灯条的形状更加清晰以便于之后的逻辑判断。

 

    1. 一种方法是用 RGB 的红蓝通道相减,根据设定的阈值得到一张二值图,这种方法虽好,但是在识别蓝色的时候,有时候无法排除掉日光灯干扰,该方法,操作简洁,耗时低。

 

    1. 另一种是先将图片转化成 HSV 颜色空间再用通道范围将红色蓝色提取出来,这种方法可以排除掉很多干扰,但是近距离的时候装甲板灯条发白,如果膨胀不到位的话会出现灯条断裂的 情况,膨胀的卷积核过大又会造成预处理耗时过久,因此要权衡一下。

 

    1. 还有一种是在 LAB 下利用 a 通道-b 通道来提取红色。这种方法对红色灯条提取的效果是最好的。但是却极容易把比较暗的,有一点带暗红色的物体都提取出来,容易形成过多的早点。

 

 

3.在当前二值图内找到所有的轮廓点,用最小旋转矩形将他们包围,此时得到一个个单独的旋转矩形,然后对旋转矩形的四个顶点重新排序,排除长大于宽的噪点,然后根据装甲板灯条的几何特征首先筛除掉一些旋转矩形。

 

if((width/height)>2&&abs(angle)>25&&abs(angle)<70&&){continue;}

 

4.将这些灯条两两再次组成一个大的旋转矩形(也就是候选装甲板),根据一些限制条件筛除掉不符合条件的装甲板,将剩下的待选装甲板放入一个向量中。

 

//两两灯条间的角度差不符合的情况
if((abs(angle_1)>5&&abs(angle_1)<20)&&(abs(angle_2)>65&&abs(angle_2)<85)&&((abs(angle_2)>5&&abs(angle_2)<20)&&(abs(angle_1)>65&&abs(angle_1)<85))){
continue;}

 

//中心距根据灯条的长短分开设置
if(height_1<20||height_2<20){
    cha=10;}
else{
    cha=20;}
//进一步根据两条灯条的中心距和灯条面积比例等条件进一步筛选
//一下条件参数是根据640,480分辨率下设定的,不同分辨率条件值可能不一样
if(lantern_cha<cha&&(area_rate>rate2&&area_rate<rate1)) 
{
double diameter=sqrt(pow(rectPoint[original_index_i].center.x-rectPoint[original_index_j].center.x,2)+pow(rectPoint[original_index_i].center.y-rectPoint[original_index_j].center.y,2));
    if(diameter<35){continue;}
    //cout<<"d: "<<diameter<<endl;
    double average_height=(height_1+height_2)*0.5;
    cout<<"h: "<<average_height<<endl;
    double  bili=average_height/diameter;
    if(bili>0.8&&bili<1.8){continue;}
    if((diameter/average_height>2.5&&diameter/average_height<6)||(diameter/average_height>0.3&&diameter/average_height<2.5)){
        Point armour_center=(rectPoint[original_index_i].center+rectPoint[original_index_j].center)*0.5;
        circle(imgOriginal,armour_center,diameter/2,Scalar(0,255,255),1);//紫色
        Vec3f armour_message(armour_center.x,armour_center.y,diameter);
        armour.push_back(armour_message);
    }
}

 

 

经过上述操作后,我们最终把筛选出来的装甲板存入 amour 向量中。

如果向量中没有元素,则说明没有找到目标,只有一个的话则这就是最终选择的装甲板。(只有一个装甲板的情况下不再进一步判断装甲板的真实性,及不再传入用装甲板训练的模型。这样做能保证目标的稳定性和代码的效率)
两个以上装夹板的话就得进行接下去的比较,首先我们把距离图像下半部分及比较近的装甲板存为一组,然后从最近的开始用 caffe 模型进行验证。如果模型给出这个为真,则直接输出。

 

资源下载地址:https://download.csdn.net/download/sheziqiong/85773209

 

资源下载地址:https://download.csdn.net/download/sheziqiong/85773209

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。