第330章 小孔成像和PNP問題

    要想利用“人工神經網絡”處理圖像識別問題，需要事先收集到大量的數據。

    可是倉促之間，上哪去弄數據？

    倒是可以給“戰神一號”拍一些“寫真”，來充當訓練集，反正所有的參賽機器人，外形都差不多。

    這樣做倒也不是不行，但時間太倉促了，數據的量級達不到要求，訓練效果應該不會太好。

    而且，就算拼著一夜不睡，東拼西湊出一點訓練數據，也很可能來不及訓練了。

    訓練“人工神經網絡”，畢竟是一件比較消耗時間的事情。

    而現在最大的問題，就是缺少時間，明天就要正式上場了的說……

    何況，“人工神經網絡”的優勢在於通用性和準確率，在特定問題上的識別速度，還真不見得能比得上精心優化過的“笨辦法”。

    所以江寒仔細思考了一番之後，還是決定採用“幾何形狀匹配”的思路來做圖像識別。

    這種辦法的優點是識別速度比較快，更容易獲得高幀率。

    編程的複雜度可能稍微高了一點，但這對江寒來說，並不是什麼太大的問題。

    他先新建一個.cpp文件，以及對應的.h頭文件，然後創建一個新的類，用於容納自己的圖像識別算法。

    接下來就可以正式編碼了。

    江寒一邊思考，一邊編寫代碼，靳雪雯在一邊安靜地看著。

    兩人偶爾也交流一兩句，討論一下編程思路、函數的功能之類的問題。

    “江寒哥哥，這幾個語句是做什麼用的啊？”

    “這個是圖像預處理，按照自定義的閾值，將每個像素二值化……”

    “那江寒哥哥，這個函數呢？我有點看不懂……”

    “哦，這個叫膨脹處理，可以讓圖像的輪廓更加明顯……”

    ……

    二十多分鐘後，江寒搞定了圖像預處理的相關代碼。

    這部分要做的事情很簡單，就是將攝像頭拍到的圖像，先處理成灰度圖，然後二值化，只留下led燈部分。

    接下來，要在圖像中遍歷像素、尋找led燈的輪廓。

    這是整個算法中計算量最大的部分。

    好在江寒對圖片的預處理，做得相當到位，將這一步所消耗的時間，基本上壓縮到了極限。

    找到led燈後，下面的事情就簡單了，遍歷輪廓、提取led燈，再匹配篩選、找到機體輪廓，然後就可以鎖定目標攻擊了。

    在做機體輪廓分析時，江寒考慮了一下，使用了模板匹配技術。