Advertisement

SJTU-RM-CV-2019: 上海交通大学 RoboMaster 2019赛季视觉代码及源代码。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
上海交通大学的RoboMaster 2019赛季视觉代码库,是为步兵车辆视觉系统设计的,它被划分为三个独立的模块:首先是装甲板的识别功能,其次是能量机关的识别,最后则包含封装好的设备驱动程序和配置文件。该代码允许用户提取装甲板识别模块及能量机关识别模块,并直接修改主函数以实现哨兵识别的功能。此外,该代码坚持统一使用640×480像素的图像进行处理。作者唐欣阳提供了部分微信号用于交流,卫志坤和孙加桐也贡献了装甲板识别和能量机关识别的代码。SJTxixiliadorabarryU和罗嘉鸣也参与了能量机关的识别工作。如果您在运行过程中发现任何BUG或希望进行交流,欢迎积极与我们联系。为了方便您的参考,我们分享了一些比赛期间拍摄的摄像头录制视频:请您通过以下链接和提取码访问百度网盘以获取相关资源。运行效果方面,自瞄帧率设定为120帧(基于摄像头的最大帧率),而识别距离则会根据不同的环境而有所调整,大约在8米左右(使用5mm焦距的镜头)。以下是代码运行环境的相关硬件设备、操作系统以及运行库信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • SJTU-RM-CV-2019: RoboMaster 2019-
    优质
    SJTU-RM-CV-2019是上海交通大学团队在RoboMaster 2019赛季使用的视觉算法和源代码集合,涵盖多种计算机视觉任务,助力机器人竞技表现。 上海交通大学 RoboMaster 2019赛季 视觉代码本代码是上海交通大学RoboMaster2019赛季步兵车辆的视觉部分,分为三个模块:装甲板识别、能量机关以及封装的设备驱动和配置文件。可以提取能量机关以外的模块并修改main函数直接作为哨兵识别代码。该代码统一使用640×480大小的图像进行处理。 运行效果: - 自瞄帧率120(摄像头最大帧率) - 识别距离根据环境不同大约为8米左右(5mm焦距镜头)。
  • 计算机——PPT
    优质
    本PPT由上海交通大学制作,深入浅出地介绍了计算机视觉的基本概念、发展历程、关键技术及应用案例,旨在帮助学习者构建全面的知识框架。 上海交通大学计算机视觉实验室关于计算机视觉方面的PPT代表了国内的最新水平。
  • Matlab的edge-Evaluation-20192019年PhysioNet/CinC竞评估
    优质
    这段代码是为2019年PhysioNet/CinC挑战赛设计的评估工具,用于评价基于Matlab的边缘检测算法(edge函数)性能。 在MATLAB的evaluate_sepsis_score.m脚本以及Python的evaluate_sepsis_score.py脚本中使用了基于效用的评价指标来评估PhysioNet/CinC挑战赛2019年的算法性能,这些脚本能够产生一致的结果。对于该挑战赛,我们采用了实用得分作为主要评判标准,这是输出结果中的最后一个(第五个)评分。 在MATLAB环境下运行评估代码时,请使用以下命令: ```matlab evaluate_sepsis_score(labels, predictions, scores.psv) ``` 其中,`labels`代表包含标签文件的目录;例如训练数据库所在的PhysioNet网页地址。而`predictions`则是算法生成预测结果所在的一个目录位置;最后,可选参数`scores.psv`包含了用于进行预测时所使用的分数集合(在PhysioNet网站上有详细描述)。 对于Python环境,则需要先安装NumPy库后执行evaluate_sepsis_score.py文件来运行评估代码。
  • SJTU-SE: 软件工程本科作业
    优质
    SJTU-SE是上海交通大学软件工程本科课程中的作业集合,涵盖编程实践、算法设计与分析等多个方面,旨在培养学生的软件开发能力和团队合作精神。 上海交通大学软件工程本科作业课程中文名:软件基础实践 English name: Solutions Date: 2020.9 - 2021.1 软件基础实践(日期:2020.9 - 2021.1) 重复内容已删除。
  • 2019年秋哈工机器习实验.zip
    优质
    这段资料包含了哈尔滨工业大学在2019年秋季学期开设的机器学习课程中的所有实验源代码。它为学生提供了实践机器学习算法和理论的机会,是进行深入学习与研究的重要资源。 人工智能是当今最热门的话题之一,随着计算机技术和互联网技术的迅速发展,对这一领域的研究也达到了一个新的高度。作为一门新兴的技术科学,它专注于模拟和扩展人类智能的研究与应用。 机器学习(Machine Learning)则是其中的一个核心领域,其主要目的是使计算机系统具备类似人的学习能力,并最终实现人工智能的目标。 那么什么是机器学习呢? 简单来说,它是通过模型假设从训练数据中得出参数的一门学科。利用这些参数可以对新的数据进行预测和分析。 在各行各业的应用实践中,机器学习展现出了巨大的潜力: 互联网领域:语音识别、搜索引擎优化、语言翻译系统开发、垃圾邮件过滤器构建以及自然语言处理等; 生物科学界:基因序列研究与DNA预测模型建立、蛋白质结构解析等任务中发挥关键作用; 自动化产业:人脸识别技术的发展和无人驾驶系统的完善,图像及信号的智能化处理手段也得到了广泛应用; 金融服务业:证券市场趋势分析工具、信用卡诈骗行为监测系统设计等方面的应用越来越广泛; 医疗健康行业:疾病诊断辅助软件研发与流行病爆发预警模型构建等; 刑事侦查领域:潜在犯罪模式识别与预测机制建立以及虚拟智能侦探系统的开发等。 新闻媒体业:个性化新闻推荐引擎的创建,提高用户体验和满意度; 游戏娱乐界:电子竞技战略规划系统、角色扮演游戏中的NPC行为模拟等等。 以上列举的应用表明,在大数据时代背景下,机器学习已成为众多行业不可或缺的数据分析工具。各企业正积极寻求通过有效的数据处理与挖掘技术来获取有价值的信息资源,并以此为依据更好地了解客户需求并指导业务发展方向。
  • 2019年电子设计A题
    优质
    本资源为2019年电子设计大赛A题完整源代码,适用于参赛选手、工程师及高校学生参考学习,包含详细注释与电路图。 2019年电子设计大赛A题寻迹车的代码示例,使用ccs软件和MSP430编译器编写,仅供参考。
  • 操作系统课程设计
    优质
    本项目包含上海交大操作系统课程的设计与实现源代码,涵盖了进程管理、内存分配及文件系统操作等核心模块,旨在帮助学生深入理解操作系统原理。 上海交大操作系统课程设计源代码包括三个项目:Shell、调度和文件系统。
  • 软科中国排名的爬取配套
    优质
    本文介绍了如何爬取上海交通大学软科中国大学排名的数据,并提供了相应的源代码供读者参考和使用。 《爬取上海交通大学软科中国大学排名》配套源代码,修改自《Python语言程序设计基础》,供Python学习者交流和学习之用,以及供广大爬虫爱好者交流和学习之用。
  • RoboMaster 2023与2022飞镖系统电控.zip
    优质
    此ZIP文件包含RoboMaster 2022及2023赛季飞镖系统的电控源代码,适用于参赛队伍进行学习和参考。 全国大学生电子设计竞赛(National Undergraduate Electronics Design Contest)提供了试题、解决方案及源码资源。这些资料适合计划或已参加比赛的同学参考学习,并且所有程序均为实战案例,经过测试可以直接运行。
  • ()C++based天津RoboMaster识别系统[.zip]
    优质
    #基于C++的天津大学RoboMaster视觉识别系统## 项目简介本项目是天津大学RoboMaster团队开发的视觉识别系统,基于上海交通大学RoboMaster 2019赛季的视觉代码进行了针对性优化和改进。该系统的主要功能包括装甲板识别、能量机关识别以及实时图像处理,支持与算法代码的对比测试,以提升识别效果并实现进一步优化。优化后的代码可以在本地设备上正常运行,并具备多平台兼容性,包括Ubuntu 16.04、18.04及Windows 10系统版本。该系统能够高效处理640×480分辨率下的图像数据,帧率高达120FPS,并通过丰富的命令行参数支持用户进行调试和优化操作。##项目的主要特性和功能装甲板识别利用图像处理手段实现对敌方装甲板的位置识别,支持自瞄功能以提高精准度。能量机关识别系统能够自动识别目标区域并计算击打点坐标,同时提供发送机制确保击打指令的有效执行。多平台支持项目在Ubuntu 16.04、18.04以及Windows 10多个操作系统中都能顺利运行,满足不同用户需求。实时图像处理部分具备高分辨率(640×480)和高帧率(120FPS)性能,确保系统在复杂环境下的稳定运行。命令行调试通过一系列参数设置,便于用户对识别效果进行详细分析并进行优化调参。##安装使用步骤### 1. 环境准备 硬件要求 Intel NUC设备具备足够的计算能力支持系统的运行。软件需求包括Java JDK、Python解释器以及MySQL数据库,这些工具为系统功能实现提供了必要的支持。此外,Windows 7及以上版本操作系统能够正常运行相关软件组件。### 2. 系统安装步骤 首先按照官方指南下载并安装项目依赖的开发环境,包括所需语言的集成开发工具和必要库包。完成环境搭建后,进入项目根目录进行配置,确保所有路径设置正确无误。执行\make build\命令启动构建流程,系统将自动生成相应的可执行文件并安装到指定位置。最后,运行测试脚本以验证系统的功能是否正常实现,并根据结果进行必要的调试和调整。### 3. 用户操作步骤 系统启动后,用户需按照以下步骤操作:1. 执行环境准备步骤;2. 运行系统安装流程;3. 完成所有配置并进行测试。具体操作细节请参考项目提供的详细说明文档。