用Jetson NANO做一个飞镖计分应用

国外一个开发者，做了一个应用程序，通过应用对象检测自动计算飞镖分数。

此应用程序通过 SSD-Mobilenet 的迁移学习来检测Bull（飞镖靶的中心）和箭头。一般来说，SSD-Mobilenet 可以检测飞镖、箭头等物体，但很难确定分数。例如，由于有 61 种不同的飞镖分数模式，它们是数字 1-20 和倍数（单、双、三）+ Bull的组合，我们必须确保相应地检测到飞镖的一部分。因此，在这个项目中，博主创建了原始数据集并添加了一个神经网络来估计分数，从而使 Darts 分数检测成为现实。

项目只使用了Jetson NANO和一个罗技摄像头（C920），确认摄像头已连接后，调整飞镖靶和摄像头的位置。摄像头应直接定位在飞镖靶的正前方，摄像头与飞镖靶之间的距离应在60cm到80cm左右。

如何运作

此应用程序使用 SSD-Mobilenet，但它只检测Bull（飞镖靶的中心）和箭头。仅 SSD-Mobilenet 不足以估计分数。为了确定分数，我们使用箭头从飞镖中心点的位置和角度信息。分数计算流程如下：

• 当应用程序启动时，SSD-Mobilenet 会检测到 Bull。
• 用户向飞镖靶投掷箭头。
• 当箭头贴在飞镖靶上时，SSD-Mobilenet 检测到箭头。
• 根据箭头与Bull（镖靶中心）的相对角度估算得分（1-20）。
• 从四个特征估计倍数（单、双、三）：箭头相对于Bull的距离（镖靶的中心）、角度以及箭头边界框的宽度和高度。
• 我们使用神经网络来估计倍数。
• 如果箭与Bull（镖靶中心）的相对距离极近，则估计为Bull。

点击阅读原文，访问项目GitHub：

https://github.com/kawasaki-kento/darts-score-detection

更多项目:

Jetson NANO机器人利用预训练模型探索人机交互

当AI工程师开始逗猫

IBM无人驾驶“龙舟”遭遇故障后再次尝试穿越大西洋