利用opencv自带的traincascade，训练了两个模型，如下图所示的大的绿框与圆框识别的内容。
OpenCVDemo截图
绿框识别的是整个橙色图案的内容，圆形焦点识别的是橙色图案的圆点以及一点点周边标记。先来看下白色字体显示的数据：
ScreenWidth、ScreenHeight表示屏幕的宽与高，因为是全屏显示图像，故图像的大小即为1920X1080。
用opencv的 CascadeClassifier 类（级联分类器）来检测视频流中的物体，主要使用detectMultiScale来进行图像的多尺度检测。检测到物体后，返回一组RectArray（若图像中有多个目标，则Array大小为识别到的目标数数目）,RectArray内的Rect为识别框，包含图像的位置信息，和大小（Rect.x、Rect.y、Rect.width、Rect.height）。
RecogCenter_x、RecogCenter_y为绿框的中心像素坐标,值为像素点的位置，计算公式为：
RecogCenter_x = Rect.x + Rect.width/2
RecogCenter_y = Rect.y + Rect.height/2
RecogArea为绿框的像素面积，可通过其面积的大小来判断摄像头与目标的相对高度，计算公式为：
RecogArea = Rect.width * Rect.height
Focus_x、Focus_y为绿框在图片中的百分比位置，用于判断摄像头在上方的位置。对于飞机小的晃动时，像素点位置变化比较明显（值比较大），而百分比的相对波动较小，更利于用来判断（忽略小波动）。计算公式为：
Focus_x = RecogCenter_x / ScreenWidth
Focus_y = RecogCenter_y / ScreenHeight
InsideRecogCenter_x、InsideRecogCenter_y为圆形准心框的像素位置，飞机落下时最后摄像头只能看到中间的圆点。计算公式为：
InsideRecogCenter_x = Rect.x + Rect.width/2 (该Rect为识别的圆形准心框的位置)
InsideRecogCenter_y = Rect.y + Rect.height/2 (该Rect为识别的圆形准心框的位置)
同样的，InsideFocus_x、InsideFocus_y为圆形框在图片中的百分比位置，当飞机下落到识别不到绿框时，此标记发挥作用。计算公式为：
InsideFocus_x = InsideRecogCenter_x / ScreenWidth
InsideFocus_y = InsideRecogCenter_y / ScreenHeight
因为飞机要以正确的方向降落到充电平台上，故利用大小两个框的中心点的在屏上的相对位置来判断角度。在一张图片中，xy坐标系与通常的xy坐标系不同，像素位置（0，0）从左上角开始，横轴为x轴，从左往右递增，竖轴为y轴，自上而下也是递增。
以绿框的中心点为参考点，令RecogCenter_x、RecogCenter_y为坐标（x1,y1）,令圆框的InsideRecogCenter_x、InsideRecogCenter_y为（x2,y2）,则:
坐标之差Δx = x2 - x1 ,Δy = y2 - y1 ,
两点的距离 Δl = sqrt(pow(Δx,2) + pow(Δy,2))
计算角度angle = arcsin(Δy / Δl )，要注意到这里的角度信息，包含了y的正负信息，但是x的正负未考虑进去，所得到的角度还要做进一步的区分：
if (Δy > 0){
if(Δx < 0) angle = PI - angle;
} else {
if(Δx < 0) angle = -PI - angle;
}
这样才区分出了四象限不同的角度信息。再看最上面的图，这个角度是正确的降落角度，圆框在绿框的上方，此时x坐标相差不大，可视为相等，圆框的y坐标在绿框的上方，值是y2<y1(这是与普通坐标系不同的地方)，故Δy为负，计算出的角度约为-90°。
网友评论