Rossum--tpofinder 平面纹理物体识别

本文介绍了使用tpofinder库进行物体识别的过程。该库基于二维图像,利用ORB特征实现快速安装与集成。文中详细记录了作者从选择物体识别库到最后实现物体定位的全部步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

From:http://blog.youkuaiyun.com/sununs11/article/details/9180085

一开始是打算用Roboearth来做物体识别的,但是折腾了一段时间觉得自己做训练物体模型实在是很麻烦,识别的效果感觉也不太好。然后搜了其它的可以用于物体识别的库,包括ROS里的object_recognitionPartsBasedDetector还有OpenTLD等等,发现这些东西很多文档都不全,配置也很麻烦,我用不来。

然后我发现了tpofinder,这仍然是一个用二维图像来做物体识别的库,这句话说得很好,"in the robot challenge, we required software that is quickly installed, compiled, and integrated. "。tpofinder用起来非常简单,只需要一张物体的图片用作训练,不过由于依靠的是物体的平面纹理,对书本封面,咖啡盒之类的东西识别效果比较好,如果是没有什么纹理特征的东西就不行了。据那篇文章说,"it is a bag-of-features approach, where the test images and the models are described by local features that are somewhat robust towards scale, rotation and change in illumination. ",看了一下源代码,发现它主要用的应该是ORB特征,包含在OpenCV 2.3以后的版本中,这个特征是Willow Garage做的,比sift和surf还给力。

实际到了我来做物体识别的时候我们已经没有多少时间和精力了,要准备期末考和考研。原本我的想法是用cvblob把物体的运动轨迹做出来,然后根据运动轨迹来做很多有意思的事情,可惜时间有限,我们的项目也马上结题了。最后只是简单地调用了一下tpofinder识别出几个物体,然后算出轮廓矩计算中心位置,让舵机粗略对正物体,仅仅做到这一步。没有用上ROS OpenCV的cv_bridge接口的原因是图像无法处理,却又不报错,但是我用OpenCV最简单的画圈函数在图像上花个圈却没有问题,不明原因。折腾好久之后终于放弃,只能用OpenCV的接口采集图像处理显示。所以这一部分的代码基本对tpofinder没有什么改动,增加的仅仅是发送消息到rostopic来控制舵机。其实还想加上语音问询,然后用ROS OpenCV的接口让它可以在rviz里显示的,然后再用Qt做一个训练过程的图形界面,但是都没有时间了。

这是舵机控制的主要代码:

  1. while (ros::ok()) {  
  2.     nextImage();  
  3.     if (iCount >= 15){  
  4.         processImage(detector);  
  5.         iCount = 0;  
  6.     }  
  7.   
  8.     if(!foundFlag){  
  9.         if (iServoCount == 40){  
  10.             joint_msg.header.stamp = ros::Time::now();  
  11.             joint_msg.name[0] = "pan";  
  12.             joint_msg.name[1] = "tilz";  
  13.             joint_msg.velocity[0] = 0.7;  
  14.             joint_msg.velocity[1] = 0.7;  
  15.             joint_msg.position[0] = 0.055;  
  16.             joint_msg.position[1] = 0.7;  
  17.             ServoArea = 0.055;  
  18.             servo_pub.publish(joint_msg);  
  19.         } else if (iServoCount == 80){  
  20.             joint_msg.header.stamp = ros::Time::now();  
  21.             joint_msg.name[0] = "pan";  
  22.             joint_msg.name[1] = "tilz";  
  23.             joint_msg.velocity[0] = 0.7;  
  24.             joint_msg.velocity[1] = 0.7;  
  25.             joint_msg.position[0] = -0.320;  
  26.             joint_msg.position[1] = 0.7;  
  27.             ServoArea = -0.320;  
  28.             servo_pub.publish(joint_msg);  
  29.         } else if (iServoCount == 120){  
  30.             joint_msg.header.stamp = ros::Time::now();  
  31.             joint_msg.name[0] = "pan";  
  32.             joint_msg.name[1] = "tilz";  
  33.             joint_msg.velocity[0] = 0.7;  
  34.             joint_msg.velocity[1] = 0.7;  
  35.             joint_msg.position[0] = -0.695;  
  36.             joint_msg.position[1] = 0.7;  
  37.             ServoArea = -0.695;  
  38.             servo_pub.publish(joint_msg);  
  39.             iServoCount = 0;  
  40.         }   
  41.     }   
  42.   
  43.     if(foundFlag) {  
  44.         joint_msg.header.stamp = ros::Time::now();  
  45.         joint_msg.name[0] = "pan";  
  46.         joint_msg.name[1] = "tilz";  
  47.         joint_msg.velocity[0] = 0.5;  
  48.         joint_msg.velocity[1] = 0.5;  
  49.         joint_msg.position[1] = 0.7;  
  50.   
  51.         if (centerPoint.x < 213){  
  52.             joint_msg.position[0] = ServoArea+(-0.375)*0.25;  
  53.         } else if (centerPoint.x >= 213 && centerPoint.x <= 426){  
  54.             joint_msg.position[0] = ServoArea+(-0.375)*0.5;  
  55.         } else if (centerPoint.x > 426)  
  56.             joint_msg.position[0] = ServoArea+(-0.375)*0.75;  
  57.   
  58.         if ( iServoCount >= 0 ){  
  59.             servo_pub.publish(joint_msg);   
  60.             iServoCount = 0;  
  61.         }  
  62.     }  
内容概要:本文详细探讨了基于MATLAB/SIMULINK的多载波无线通信系统仿真及性能分析,重点研究了以OFDM为代表的多载波技术。文章首先介绍了OFDM的基本原理和系统组成,随后通过仿真平台分析了不同调制方式的抗干扰性能、信道估计算法对系统性能的影响以及同步技术的实现与分析。文中提供了详细的MATLAB代码实现,涵盖OFDM系统的基本仿真、信道估计算法比较、同步算法实现和不同调制方式的性能比较。此外,还讨论了信道特征、OFDM关键技术、信道估计、同步技术和系统级仿真架构,并提出了未来的改进方向,如深度学习增强、混合波形设计和硬件加速方案。; 适合人群:具备无线通信基础知识,尤其是对OFDM技术有一定了解的研究人员和技术人员;从事无线通信系统设计与开发的工程师;高校通信工程专业的高年级本科生和研究生。; 使用场景及目标:①理解OFDM系统的工作原理及其在多径信道环境下的性能表现;②掌握MATLAB/SIMULINK在无线通信系统仿真中的应用;③评估不同调制方式、信道估计算法和同步算法的优劣;④为实际OFDM系统的设计和优化提供理论依据和技术支持。; 其他说明:本文不仅提供了详细的理论分析,还附带了大量的MATLAB代码示例,便于读者动手实践。建议读者在学习过程中结合代码进行调试和实验,以加深对OFDM技术的理解。此外,文中还涉及了一些最新的研究方向和技术趋势,如AI增强和毫米波通信,为读者提供了更广阔的视野。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值