本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——9二维码识别

本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——9二维码识别

​ 上期我们已经完成了寻迹这个子任务，接下来就是二维码这个识别子任务

​ 对于二维码识别，网上的教程铺天盖地，比如opencv，ros中也有识别结点，还有一些野生第三方的库，当然这些的识别效果有好有坏，今天给大家带来我琢磨好久的二维码识别——应用微信识别API。

1.API使用

使用下面Detector类进行封装一个识别类

代码中使用到的模型文件已经以附件形式上传

class QRCodeDetector:
    def __init__(self):
        self.depro = './config/detect.prototxt'
        self.decaf = './config/detect.caffemodel'
        self.srpro = './config/sr.prototxt'
        self.srcaf = './config/sr.caffemodel'

    def detect(self, img):
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        detector = cv2.wechat_qrcode_WeChatQRCode(self.depro, self.decaf, self.srpro, self.srcaf)
        barcodes, points = detector.detectAndDecode(gray)
        for qrcode_info in barcodes:
            return qrcode_info
        return None

2.运行结果

对于上述情况在静止状态，整个赛道的0.6场就可在无遮挡的情况（运动低速情况需就延长到0.7左右了）下直接识别到二维码。话不多说上效果

3.讨论

对于静止在0.6场次识别到以及低速情况在0.7场次识别到，这对于当年赛题识别就可上位机接管可以说节约好多时间。

但是尽管这样在速度提上来的时候还是会出现运动模糊的问题，所以是否能够保存最近几帧，能否提前在某几帧模糊的地方找到能够识别到的，是否可以使用重构，使用高斯去噪根据颜色范围重构二维码，当然这也是一笔计算CPU开销，以上仅仅是个人见解，在最后比赛时候，采用先提速后降速可以在一定程度减少这种影响，欢迎各位大佬在评论区进行讨论指导~~~

4.总结

​ 对于二维码识别这个子任务，我试过好多库，最后对比发现其实微信二维码的识别还是处于很准确的，虽然有运动模糊的问题，但是低速情况下的超远识别还是很牛的，不知道有无大佬能够分享下处理办法。