基于[Qt5+OpenCV(with OpenVINO)],用于标注RoboMaster装甲板4个顶点的位置,灯条颜色,以及贴纸类型。
开发中分支,建议下载release里的软件和源码
本人的首个Qt项目,写的不好的地方见谅
基于深度学习的自瞄识别算法逐渐走进RoboMaster的赛场。相比于传统视觉识别算法,基于深度学习的算法具有更强的鲁棒性和适应性,受到了不少队伍的青睐。
然而常规深度学习的目标检测算法只能识别出目标的外接矩形,这给后续算法中的单目测距带来了困难。
本项目希望能够建立一个便利的4点数据集标注工具,可以快速而准确的完成数据集的制作。
- 将标准装甲板贴纸图像叠加到图片上,便于观察选取结果。
- 选点时局部放大,便于观察选点位置。
- 智能预识别,减轻人力。(
(削除) 需要带OpenVINO支持的OpenCV (削除ここまで),可以不用OpenVINO,但速度会变慢) - 图像的缩放与拖动。
TODO:(削除) 目前智能预识别模型不正常识别基地贴纸,且大目标识别效果较差。有待进一步更新。 (削除ここまで) 模型已更新。
- 缺少扩展性,每次添加新的目标需要修改源码重新编译。
(削除) 部分装甲板贴图svg文件缺失。 (削除ここまで)已修复
- 图片文件名中不要包含点,否则会导致文件后缀名识别错误(程序会将第一个点后面的内容都当成后缀名)
(削除) openvino转化后模型在不同版本间会报错,目前能正常运行的版本为openvino-2021年2月20日0 (削除ここまで)已更换为onnx格式
由于github图像缩放,可能导致看不太清楚,可以点击查看大图。
支持使用cmake进行编译。
cmake编译方法:
mkdir build
cd build
cmake ..
make在Qt5.15 & Qt5.12上编译成功,低版本Qt不确定能否正常编译运行。
OpenCV With OpenVINO的安装方法:官网链接,安装OpenVINO SDK包,其中自带OpenCV With OpenVINO。
- 首先选择图片文件夹目录,程序会自动查找目录下所有图片文件。(jpg、jpeg、png)
- 点击smart自动预标注当前图片。或点击Add Label开始标注一个装甲板。
- 按照装甲板左侧灯条上端、左侧灯条下端、右侧灯条下端、右侧灯条上端的顺序,依次点击。
- 双击右上方的当前目标项,选择当前目标的类别。
- 根据需求,微调4个点的位置,使得叠加的标准装甲板边缘和实际图像中的装甲板边缘对齐。(标准装甲板边缘默认图像没有畸变,追求标注精度的话,需要对数据集中的图片进行去畸变)。
- 点击保存或勾选自动保存完成当前图片的标注。
- 右键拖动,滚轮缩放。右键双击恢复默认视图。
| 贴纸↓颜色→ | B(蓝色) | R(红色) | N(熄灭) | P(紫色) |
|---|---|---|---|---|
| G(哨兵) | 0 | 9 | 18 | 27 |
| 1(一号) | 1 | 10 | 19 | 28 |
| 2(二号) | 2 | 11 | 20 | 29 |
| 3(三号) | 3 | 12 | 21 | 30 |
| 4(四号) | 4 | 13 | 22 | 31 |
| 5(五号) | 5 | 14 | 23 | 32 |
| O(前哨战) | 6 | 15 | 24 | 33 |
| Bs(基地) | 7 | 16 | 25 | 34 |
| Bb(基地大装甲) | 8 | 17 | 26 | 35 |
标定后的数据集文件和图片位于同一文件夹,将图片后缀名修改为txt即为数据集文件。
txt文件中每一行代表一个目标,如果一个文件有多行,则说明对应图片内有多个目标。
一行共计9个数字,以空格分割。从左到右依次为:
- 装甲板类别编号
- 左上角x坐标
- 左上角y坐标
- 左下角x坐标
- 左下角y坐标
- 右下角x坐标
- 右下角y坐标
- 右上角x坐标
- 右上角y坐标
如果觉得该项目对你有帮助请点一个Star:)