工业相机是机器视觉的核心,其质量直接影响到视觉系统的性能。
分辨率:决定图像的细节清晰度,高分辨率可提供更多信息,但处理速度较慢。
帧率:表示相机每秒能捕获多少帧,高帧率有助于追踪快速移动的目标。
感光元件:如CMOS或CCD,影响图像质量和相机价格。
快门类型:如全局快门对于快速移动物体的捕捉有优势。
接口和兼容性:考虑数据传输速度及SDK与开发环境的兼容性。
图像预处理:降噪、增强对比度,使目标更突出。
目标检测:使用颜色、形状等特征检测装甲板或能量机关。
目标跟踪:连续帧中跟踪已识别目标,提高效率。
ROI设置:选取图像中的某个区域,减少不必要的计算。
图像预处理(自适应阈值):根据图像局部亮度确定阈值,对图像进行二值化。
拟合灯条:使用边缘检测和轮廓拟合找到可能的灯条。
拟合装甲板:基于灯条位置和形状进行装甲板拟合。
数字识别:
装甲板优先级:基于大小、距离、角度等赋予优先级。
跟踪器:如KLT,连续帧中跟踪装甲板,提高效率。
陀螺检测:检测敌方机器人的陀螺运动,预测其动态。
数据集:收集不同条件下的装甲板图像。
数据增强:旋转、裁剪、噪声等,增加数据多样性。
训练:使用CNN等网络进行训练。
baseline:基准模型,用于后续改进的比较。
网络修改:针对四点识别优化网络结构。
流程:完整的从输入到输出的处理流程。
防抖层设计:减少识别结果的震动,输出稳定。
标定方法:确定相机和IMU的相对位置和方向。
四元数姿态表示:稳定、无万向节锁,表示三维旋转。
惯性坐标系:基于IMU的加速度和角速度数据定义的坐标系。
时间戳同步:确保相机和IMU的数据同步。
像素坐标系:图像中的坐标。
相机坐标系:通过内参转换后的三维坐标。
惯性坐标系:基于IMU数据的坐标系。
普通卡尔曼KF:线性估计目标的下一状态。
拓展卡尔曼EKF:非线性估计。
曲线拟合:基于历史数据预测轨迹。
卡方检验:评估观测与预测的差异。
弹道补偿:计算并补偿子弹飞行时间与重力的影响。
数据帧:包括起始位、数据、结束位等,组成通信的基本单位。
校验:如CRC,确保数据的完整性和正确性。