基于OpenCV的自动报靶识别实验-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于OpenCV的自动报靶识别实验。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

问题

户外胸环靶自动报靶问题，目前是通过声电等方式来识别，成本较高，本文尝试使用图像处理的方法来识别。
基于OpenCV的自动报靶识别实验

方案

前提：固定相机

确定靶子的四个顶点：目前使用人工手动标注，暂不考虑自动，这步尤为关键直接影响后续弹孔位置确定
提取靶子：透视变换
寻找最新的弹孔：a)优先图像处理 + 帧差，需要像素级对齐，b)深度学习检测器，需要收集训练数据，对粘连弹孔检测效果未必理想
寻找同心圆圆心：椭圆检测方法，https://github.com/memory-overflow/standard-ellipse-detection
依据圆心与弹孔的距离确定环数

实验

手动确定靶子四个顶点：
坐标如下：

const std::vector<cv::Point2f> src_points = {{241,  0}, {417,  2145}, {3325, 0}, {3209, 2157}};
const std::vector<cv::Point2f> dst_points = {{0,   0}, {0,   500}, {500, 0}, {500, 500}};

提取靶子
利用opencv提供的透视变换

cv::Mat M = cv::getPerspectiveTransform(src_points, dst_points);
cv::Mat target1, target2;
cv::warpPerspective(img1, target1, M, cv::Size(500, 500));
cv::warpPerspective(img2, target2, M, cv::Size(500, 500));

效果：
基于OpenCV的自动报靶识别实验

寻找最新弹孔
先进行灰度化 -> 进行中值滤波减少噪声干扰 -> 二值化，弹孔明显黑于其它

	// 灰度
    cv::Mat gray1_, gray2_;
    cv::cvtColor(target1, gray1_, cv::COLOR_BGR2GRAY);
    cv::cvtColor(target2, gray2_, cv::COLOR_BGR2GRAY);
    // 中值滤波
    cv::Mat gray1, gray2;
    cv::medianBlur(gray1_, gray1, 5);
    cv::medianBlur(gray2_, gray2, 5);
    // 二值化
    cv::Mat bin1, bin2;
    cv::threshold(gray1, bin1, 90, 255, cv::THRESH_BINARY_INV);
    cv::threshold(gray2, bin2, 90, 255, cv::THRESH_BINARY_INV);

二值化效果:
基于OpenCV的自动报靶识别实验
帧差结果，仍然有些对齐误差或者图像退化导致的像素差异：

cv::Mat diff = bin2 - bin1;

效果：
基于OpenCV的自动报靶识别实验
使用中值滤波去除误差影响，图像腐蚀膨胀也可以

    cv::medianBlur(diff, diff, 3); // 中值滤波滤除残差像素

效果：
基于OpenCV的自动报靶识别实验
寻找弹孔轮廓，计算图像中心矩确定弹孔中心点：

    cv::findContours(diff, contours, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);
    //计算图像矩
    std::vector<cv::Moments> mu(contours.size());
    std::vector<cv::Point2f> mc(contours.size());
    for (int i = 0; i < contours.size(); i++) {
        mu[i] = cv::moments(contours[i], false);
        mc[i] = cv::Point2f(mu[i].m10 / mu[i].m00, mu[i].m01 / mu[i].m00);
        cv::circle(diff, mc[i], 1, cv::Scalar(0), -1);
    }

效果：
基于OpenCV的自动报靶识别实验
4. 寻找同心圆圆心:
椭圆检测方法，https://github.com/memory-overflow/standard-ellipse-detection

    std::vector<std::shared_ptr<Ellipse> > ells;
    bool success = detectEllipse(gray1_.data, gray1_.rows, gray1_.cols, ells);
    std::cout << ells.size() << std::endl;
    for (const auto& ell : ells) {
        std::cout << "coverage: " << ell->coverangle << ", goodness: " << ell->goodness << ", polarity: " << ell->polarity << std::endl;
        cv::ellipse(target1,
                cv::Point(ell->o.y, ell->o.x),
                cv::Size(ell->a, ell->b),
                rad2angle(PI_2 - ell->phi),
                0,
                360,
                cv::Scalar(0, 255, 0), 2, 8);

    }

效果：
基于OpenCV的自动报靶识别实验

结论

虽然可以通过图像处理的方法，确定弹孔和圆心的位置，从而换算出靶数；户外打靶很受环境因素影响，一套参数很难适用全部情况，且提取的同心圆有畸变影响靶数的准确，而且靶子的顶点自动定位是个较大的困难，如果相机视角再是不固定的情况，还得做像素级配准。文章来源地址https://www.toymoban.com/news/detail-478980.html

到了这里，关于基于OpenCV的自动报靶识别实验的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！