吉林大学TARS-GO战队视觉代码介绍本代码是吉林大学TARS-GO战队Robom

介绍本代码是吉林大学TARS-GO战队Robomaster2020赛季步兵视觉算法，主要模块分为装甲板识别、大风车能量机关识别、角度解算、相机驱动及串口/CAN通信。
1.功能介绍

装甲板识别，检测敌方机器人装甲板位置信息并识别其数字
大风车能量机关识别，检测待激活大风车扇叶目标位置信息
角度解算，根据上述位置信息解算目标相对枪管的yaw、pitch角度及距离
相机驱动，大恒相机SDK封装，实现相机参数控制及图像采集
串口/CAN通信，与下位机通信，传输机器人姿态信息及操作手反馈视觉的控制信息

2.效果展示装甲板识别装甲板识别采用基于OpenCV的传统算法实现装甲板位置检测，同时采用SVM实现装甲板数字识别。考虑战场实际情况，机器人可打击有效范围在1m~7m之间，在此范围内，本套算法装甲板识别率达98% ，识别得到装甲板在图像中四个顶点、中心点的坐标信息。
**EnemyColor = BLUE; TargetNum = 1**

文章插图
**EnemyColor = RED; TargetNum = 2**

文章插图
在640*480图像分辨率下，装甲板识别帧率可达340fps左右，引入ROI之后可达420fps 。但考虑到识别帧率对于电控机械延迟的饱和，取消引入ROI操作，以此避免引入ROI之后无法及时探测全局视野情况的问题，加快机器人自瞄响应。
【吉林大学TARS-GO战队视觉代码】**640\*480（峰值可达340FPS）**

文章插图
**320\*240（峰值可达1400FPS）**

文章插图
装甲板数字识别采用SVM ，通过装甲板位置信息裁剪二值化后的装甲板图像并透射变换，投入训练好的SVM模型中识别，数字识别准确率可达98% 。

文章插图
大风车能量机关识别

文章插图
角度解算角度解算方面使用了两种解算方法分距离挡位运行。第一档使用P4P算法，第二档使用小孔成像原理的PinHole算法。此外还引入了相机-枪口的Y轴距离补偿及重力补偿。使用标定板测试，角度解算计算的距离误差在10%以内，角度基本与实际吻合。

文章插图

/** *@brief: detect and delete error armor which is caused by the single lightBar 针对游离灯条导致的错误装甲板进行检测和删除 */void eraseErrorRepeatArmor(vectorvector::iterator it = armors.begin();	for (size_t i = 0; i < length; i++)for (size_t j = i + 1; j < length; j++){if (armors[i].l_index == armors[j].l_index ||armors[i].l_index == armors[j].r_index ||armors[i].r_index == armors[j].l_index ||armors[i].r_index == armors[j].r_index){armors[i].getDeviationAngle() > armors[j].getDeviationAngle() ? armors.erase(it + i) : armors.erase(it + j);}}}

装甲板数字识别匹配好装甲板后，利用装甲板的顶点在原图的二值图（原图的灰度二值图）中剪切装甲板图，使用透射变换将装甲板图变换为SVM模型所需的Size ，随后投入SVM识别装甲板数字。