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。(
需要带OpenVINO支持的OpenCV，可以不用OpenVINO，但速度会变慢) - 图像的缩放与拖动。
- 使用OpenVINO进行int8加速。（无OpenVINO时无法使用）
- 一键自动标定所有图片。（暂不支持中途停止以及断点恢复）来自@CALMorACT的pr。
TODO：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。 模型已更新。
- 更新了更精确的灯条顶点坐标，有待提供一个标注文件的转换脚本。
- 缺少扩展性，每次添加新的目标需要修改源码重新编译。
部分装甲板贴图svg文件缺失。已修复
感谢川大老哥的友情合作开发
- 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）
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-2021.2.200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。
- 首先点击
Open Directory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
Save或勾选Auto Save完成当前图片的标注。 - 右键拖动，滚轮缩放。勾选
Stay Position后在切换图片时不改变视图位置。右键双击恢复默认视图。 - 插值使用方法（来自@shirok1的pr）：在需要加入box的图像点左边的按钮
Interpolate或者按键盘I，自动跳转到上一张，选中要用于插值的box后，再次按键盘I，选择另一个用于插值的box，最后按一次键盘I回到一开始的图像并加入插值生成的box。
| 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（前哨站） | 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
- 左上角归一化x坐标
- 左上角归一化y坐标
- 左下角归一化x坐标
- 左下角归一化y坐标
- 右下角归一化x坐标
- 右下角归一化y坐标
- 右上角归一化x坐标
- 右上角归一化y坐标
注：归一化x坐标指像素x坐标除以图像宽度，归一化y坐标指像素y坐标除以图像高度。
如果觉得该项目对你有帮助请点一个Star：）