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。

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：）