现在开始来描述本系统最核心内容,循迹的流程以及算法详解。当时是为了17电赛做准备的,转眼间已经18年年底,马上也要开始19年国赛的培训,时光荏苒。

    现在电赛做计算机视觉的,尤其是负责电赛里计算机视觉的同学,能够熟练的调用各种SDK或者各种API,能把猫狗识别度达到99.5%,能做到人脸识别精确度达到99.7%,但却连最基本的循迹系统里的拐角识别,直线识别,坐标反馈都无法做好,我认为,这些才是更重要的基础知识,因为他能够帮助你从底层了解图像的知识,比如知道RGB与GRAY,知道为什么是0-255,行同步与场同步等,而对于猫狗识别,人脸识别,我更加倾向于在研究生,博士生阶段开展工作,毕竟研究生博士生以科研为主。

    我们以15年电赛无人机的赛题为例,图纸如下图所示,我们可以简单的将他们分为两大部分,那就是直线+90度的拐角。

    基于OpenCv的四轴飞行器寻迹系统(三)——循迹流程详解-杨幽科技

                                             比赛图纸

    我们先从直线开始做识别,最简单的就是单单做霍夫直线变换,但这样会产生很大干扰,结合实际情况,由于比赛所用图纸质量不见得多好,往往经过多次使用,甚至还有破损,如果只使用霍夫线变换,那么破损的区域或者说污点就会产生很多干扰的霍夫直线,因此,我们需要做直线拟合,并且经过相应的滤波,形态学操作后就可以去掉很多噪声和干扰线,剩下的基本就是需要识别道路的直线了。

    

    那么如何对直线进行拟合,在这我们采用最小二乘法,这里的思路是先将道路分为左右两组,然后求两组直线的中心坐标及偏斜角度即可,使用opencv进行霍夫线变换得到的是直线的起始点坐标,所以我们只需要根据坐标就可以将直线分为左右两组,里