RM
心如坚石
中国矿业大学已毕业研究生,目前从事智驾行业的感知算法工程师,属于会一点算法模型、会一点部署后处理、会一点性能分析的打工仔。
展开
-
wlan的socket通信
https://zhuanlan.zhihu.com/p/80373327原创 2021-10-11 16:41:40 · 180 阅读 · 0 评论 -
特定标签检测
方法1参考连接:https://www.jaspr.me/extract-color-card-with-python-and-opencv/参考这种方法检测的步骤是:通过颜色分割 ——> canny——>轮廓筛选——> 确定目标(角点)——>矫正 ——> 编码解码轮廓筛选部分包括: 面积、长宽比例、轮廓的层级筛选可以看到 蓝色的是我绘制出的轮廓,绿色是我绘制出的四条边(也就是检测角点地方),可以看到对于倾斜的标签检测效果很不理想。检测如下所示:参考代码:原创 2021-03-12 09:14:52 · 327 阅读 · 2 评论 -
opencv调用tensorflow模型(只要一个pb文件格式)
背景在RM比赛中对于飞镖检测问题,虽然我可以通过运动物体检测和颜色检测筛除大部分干扰物体,但是依然会存在部分干扰物体。基于此考虑采用tensorflow训练飞镖头的模型(因为所有学校的飞镖头都一样,所以就不存在训练的模型最后无法使用的情况),没有采用pytorch的原因是opencv里面没办法直接调用他的pth模型,只能调用torch模型。tensorflowtensorflow的安装对于这部分我采用的是anaconda3进行安装,安装的是tensorflow的cpu-1.9版本。对于anacond原创 2020-08-24 19:18:46 · 828 阅读 · 0 评论 -
基于RM比赛的雷达基站检测
前言雷达基站检测想了很久要不要写出来,鉴于没有什么有动力的事情去做了,所以我还是把博客写出来同时对代码在进行一次检查.相机选择实际比赛的过程中对于相机的选择很重要,本次选择的是大华相机USB3的接口,其分辨率为1280*1024,选择的镜头是6mm的,可以通过一组公式进行计算我们的视场角.先求x轴的视场角:S=4.8∗640/1000=3.072mm S=4.8*640/1000=3.072mm S=4.8∗640/1000=3.072mm2∗θ=2∗arctan(3.072/6)=2∗2原创 2020-07-29 11:20:17 · 831 阅读 · 0 评论 -
基于RM比赛的飞镖检测总结(三维构建)
目标需求与前期准备 比赛的场地是16m*28m,雷达放置在己方基地的高3m处,检测到飞镖,得到他的三维坐标,将三维坐标发给nuc。 因为单目相机的测距虽然可以采用solvepnp的方法,但是因为你对运动的飞镖进行二值化形成的区域大小很容易受到外部环境的影响,所以完全无法提供准确的坐标。因此我们必须采用双目相机才能提供准确的坐标,提高哨兵的拦截准确度。而实验室只有6mm、8mm、12mm三个镜头的相机,参考了大疆的各种参数的选型,所以我根据自己实验室的已有相机。几个参数选取相原创 2020-06-18 10:07:18 · 1239 阅读 · 0 评论