RoboMaster2022 思玄机器人队 工程机器人视觉系统源码.zip

# RM2022-CIDP-工程机器人视觉系统 ## 一、项目概况 **项目简介**：RM2022新赛季的趋势是在原有的基础上增加了随机性与不确定性，新赛季我们完成以下几项任务： **1、自动翻转矿石至指定位姿**  **2、自动对位矿石兑换站**  **开发环境**：Python3.X 详细环境包请参阅《requirements.txt》 **硬件平台信息：** > 运算平台：NUC8i5 2.4Ghz > > 摄像头（矿石翻转）：KS2A17 60FPS 200万 USB摄像头（OV2710） > > 摄像头（自动对位）：Intel RealSense D435 深度相机 ## 二、开发设计概览 ```python ├── auto_alignment # 机器人自动对位功能 │ ├── detect.py # 兑换站的识别 │ └── move.py # 控制机器人运动 │ ├── block_correction # 矿石自动翻转 │ ├── classify.py # 分类器，用于区分矿石的不同图案及方向 │ ├── correction.py # 矿石识别与特征提取 │ └── pose.py # 矿石姿态估计 │ ├── utils # 工具类 │ ├── auto_debug # 场前调参工具 │ ├── config_generator.py # 配置读写类 │ ├── json_keys.py # json文件键值索引 │ ├── util_file.py # 常用文件读写类 │ └── log.py # 日志类 │ ├── logs # 日志存放目录 ├── doc # 文档存放目录 ├── communite.py # 通讯模块 ├── config.json # 配置文件 └── main.py # 主程序入口 ``` ### 程序流程图  ### 重要算法原理阐述、公式推导 1、利用补光灯，HSV通道预处理良好的结果能够收获高精度的特征点定位。  2、区分“直角特征”和“矩形特征”,对预处理图进行外轮廓检测，并通过轮廓面积与该轮廓最小外接矩形面积 IOU（交并比）系数区分。 通常”直角特征“的IOU占比为30%~50%， 而”矩形特征“的IOU占比为70%~100%  3、通过对比”直角特征“外轮廓质心坐标（绿点）与其最小外接矩形中心坐标（蓝点）的相对位置关系。判断”直角特征“朝向  优点：使用几何特征提取的方法，相对于特征提取网络或传统特征描述算子，计算资源消耗低，同时满足了定位的精度。 ## 特别致谢 https://github.com/17S051031/document-scanner https://github.com/elevenjiang1/RoboMaster2020-OnePointFive