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。