在台球桌上检测球
我目前正在做一个项目，我需要能够非常可靠地获得球在台球桌上的位置。
我使用表上的Kinect v2作为源。
初始图像如下所示(通过丢弃不在表级别的像素将其从16位转换为8位)：
然后，i从当前图像中减去带空表的参考图像。
经过阈值和均衡之后，它看起来如下：图像
在单个图像上检测单个球是相当容易的，问题是我必须不断地用30 easy来完成它。
困难：
- 低分辨率图像(512*424)，球直径约4-5像素。
- Kinect深度图像在这个距离(2米)有很大的噪音。
- 在深度图像上，球看起来不一样，例如，与其他的相比，黑色的球有点倒置。
- 如果它们互相接触，它们就会成为图像上的一个斑点，如果我试图用深度阈值(仅使用球的顶部)将它们分开，那么一些球就会从图像中消失。
- 真正重要的是，除了球以外的任何东西都不应该被发现，例如:球杆、手等。
我的过程，哪种工作，但不够可靠：
- 16位至8位通过阈值处理
- 用空表减去样本图像
- 种植
- 脱粒
- 均衡化
- 冲蚀
- 扩容
- 二元阈值
- 轮廓测定仪
- 关于输出坐标的进一步算法
问题是，一个球杆或手可以被检测为一个球，如果两个球接触，那么它可能会引起问题。也尝试了霍夫圈，但成功更少。(如果Kinect更接近，那么它就不能覆盖整个表)
任何线索都会很感激的。
回答 1
Stack Overflow用户
发布于 2016-11-27 19:20:17
扩大上述评论：
我建议尽可能改进IRL设置。大多数情况下，确保可靠的设置比尝试“修复”用户的计算机视觉要容易得多，甚至在检测/跟踪任何东西之前。
我的建议是：
- 把相机移近桌子。(你上传的图片可以大117%，还可以覆盖口袋)
- 对齐相机，使其完全垂直于桌子(并确保传感器架坚固且固定良好)：处理一个完美的自上而下视图比稍微倾斜的视图更容易(这就是深度梯度所显示的)。(可以确定数据可以旋转，但当您只需保持传感器的直线时，为什么要浪费CPU周期)
有了更可靠的设置，您应该能够根据深度来确定阈值。您可以可能的门槛到球的中心，因为下面的信息无论如何都是被屏蔽的。球不会变形，所以半径减小得很快，球可能会掉进口袋里。
一个你有一个清晰的阈值图像，你可以findContours()和minEnclosingCircle()。此外，您应该根据最小和最大半径值来扭曲结果，以避免视图中的其他对象(手、池提示等)。还可以查看瞬间()并确保阅读禤浩焯在OpenCV文章中的优秀球跟踪
它使用Python，但是您应该能够找到您使用的语言的OpenCV等效调用。
在跟踪方面，如果您使用OpenCV 2.4，您应该查看OpenCV 2.4的跟踪算法 (比如Lucas)。如果您已经使用了OpenCV 3.0，那么它有自己的贡献跟踪算法列表 (如TLD)。
我建议先从矩开始:首先使用最简单、计算成本最低的设置，在进入更复杂的算法之前先看看结果如何(这需要理解和正确获得参数才能得到预期的结果)。
https://stackoverflow.com/questions/40717587
复制相似问题
腾讯云开发者
