「2019」「RM圆桌」第五期抢人头要靠自瞄

RM圆桌 · 2019-2-14 17:30:32

马上注册，玩转Robomaster！

您需要登录才可以下载或查看，没有帐号？立即注册

x

登录/注册后可看帖子

圆桌时间：2019年2月15日（周五） 19:00-20:00

圆桌嘉宾：@龙永灏（论坛昵称：scut_lyh）

温馨提示：

在直播期间，大家可以直接移步至论坛技术交流版块，直播墙会自动实时更新内容。

在前20分钟内，为主持人嘉宾对话时间，这段时间内嘉宾是不会回答其他参与者的问题的，大家可以在后面40分钟的自由问答时间内提问。

参与本期活动的网友，我们将挑选出一位优秀提问者，奖励3510电机（8成新）。

登录/注册后可看帖子

电机.jpg (341.37 KB, 下载次数: 1)

下载附件保存到相册

2019-2-14 17:14 上传

==================================================================

1、 什么是自瞄？你们是怎么利用自瞄获取比赛胜利的？为什么要做自瞄？优势在哪？

所谓自瞄，就是利用机器视觉来实现自动瞄准敌方和辅助打击的一种技术，在以往的比赛中，都是以纯手动打击为主，但人的操作和反应能力往往不如机器的快，正确的使用自瞄，宛如“开挂”一般，可以大大提升各单位的命中率既输出能力，给己方的输出提供强有力的支持和保障，在赛场上，拥有自瞄的队伍通常能起到非常强大的震慑作用，给队伍带来很大的技术优势。

2、 自瞄怎么做起？

1）编程语言选择

C++、python：

C++是编译型语言，是编译执行的，程序是先需要编译成二进制执行程序，既机器码，然后才能执行，编译的时候编译器可以进行一些优化，python是解释型语言，是解释执行的，和物理机CPU之间多了解释器这层，所以运行效率C++ >> python。

但python也有它的好处，python编程更加简单高效，不需要像C++一样要去关心底层内存的操作，python使程序员只需更加关注程序的目标而不是过程，所以非常容易上手，也非常容易实现想要的功能。

通常最好的选择是用c++搭建辅助打击框架，不过python也可以用在部分算法的验证、辅助工具的编写上面，在编程能力有限的情况下，python也是个不二选择。

2）第三方库的运用

俗话说的好，前人栽树后人乘凉，如果所有的算法都从零写起那得需要多少时间和经历，是十分不可取的，所以合理使用第三方平台能快速实现想要的功能。

OpenCV：OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV的官网有很多教程，同时社区也很完善，很多问题直接搜索就可以解决：https://opencv.org/

HALCON：HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉和图像分析应用的快速开发。

HALCON学习网：http://www.ihalcon.com/（包含教程、软件下载、论坛等）

普遍的方案都是使用C++和OpenCV实现视觉算法，而HALCON是商业级别的软件（说白了就是正版要用钱买，而且比较贵），由于其使用的简易性、调试的便捷性和算法的高度集成性，在工业上采用的极多，HALCON可以通过可视化编程和利用一系列辅助工具缩短程序开发时间，同时该平台提供了大量实际应用的成熟方案DEMO，例如OCR光学字符识别、零件尺寸测量、三维物体识别等等，其运行效率和精度也是不容小觑的。

3）计算平台的选择

这里介绍两种主流的选择

A、NUC

NUC是intel推出的mini PC，性能和日常使用的笔记本甚至台式机的性能相当，优点是体积较小，而且由于是intel框架的，程序的移植非常容易，不需要做什么修改就能从自己的PC移植到NUC上，缺点是显卡用到是Intel的集成显卡，不易使用GPU加速的算法。

登录/注册后可看帖子

11.png (152.07 KB, 下载次数: 6)

下载附件保存到相册

2019-2-15 20:57 上传

NUC的图片

B、NVIDIA JETSON(TX1、TX2)

NVIDIA Jetson 是业内领先的 AI 计算平台，它面向移动嵌入式系统市场中的 GPU 加速并行处理。在深度学习和计算机视觉方面的高性能、低能耗计算，使得 Jetson 成为计算密集型嵌入式项目的理想平台。

因为该平台和PC的框架不同，所以使用过的人都会发现该平台有些很奇怪的坑，但如果用好了，该平台的性能是远大于NUC的，尤其是它在神经网络上的加速，是NUC无法比的，此外，TX1、TX2的体积和质量比NUC小很多，非常适合在对重量敏感的机器人上应用（如无人机）。