基于[Qt5+OpenCV(with OpenVINO)],用于标注RoboMaster装甲板4个顶点的位置,灯条颜色,以及贴纸类型。
开发中分支,建议下载release里的软件和源码
本人的首个Qt项目,写的不好的地方见谅
基于深度学习的自瞄识别算法逐渐走进RoboMaster的赛场。相比于传统视觉识别算法,基于深度学习的算法具有更强的鲁棒性和适应性,受到了不少队伍的青睐。
然而常规深度学习的目标检测算法只能识别出目标的外接矩形,这给后续算法中的单目测距带来了困难。
本项目希望能够建立一个便利的4点数据集标注工具,可以快速而准确的完成数据集的制作。
TODO:目前智能预识别模型不正常识别基地贴纸,且大目标识别效果较差。有待进一步更新。 模型已更新。
感谢川大老哥的友情合作开发
由于github图像缩放,可能导致看不太清楚,可以点击查看大图。
支持使用cmake进行编译。
cmake编译方法:
mkdir build
cd build
cmake ..
make
在Qt5.15 & Qt5.12上编译成功,低版本Qt不确定能否正常编译运行。
OpenCV With OpenVINO的安装方法:官网链接,安装OpenVINO SDK包,其中自带OpenCV With OpenVINO。
贴纸↓颜色→ | B(蓝色) | R(红色) | N(熄灭) | P(紫色) |
---|---|---|---|---|
G(哨兵) | 0 | 9 | 18 | 27 |
1(一号) | 1 | 10 | 19 | 28 |
2(二号) | 2 | 11 | 20 | 29 |
3(三号) | 3 | 12 | 21 | 30 |
4(四号) | 4 | 13 | 22 | 31 |
5(五号) | 5 | 14 | 23 | 32 |
O(前哨战) | 6 | 15 | 24 | 33 |
Bs(基地) | 7 | 16 | 25 | 34 |
Bb(基地大装甲) | 8 | 17 | 26 | 35 |
标定后的数据集文件和图片位于同一文件夹,将图片后缀名修改为txt即为数据集文件。
txt文件中每一行代表一个目标,如果一个文件有多行,则说明对应图片内有多个目标。
一行共计9个数字,以空格分割。从左到右依次为:
注:归一化x坐标指像素x坐标除以图像宽度,归一化y坐标指像素y坐标除以图像高度。
如果觉得该项目对你有帮助请点一个Star:)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。