棋子检测方案升级:YOLO 目标检测替代传统 ROI 阈值
Phase: P1 升级 — 棋子识别方案演进 | 依赖: P0 棋盘矫正 目标: 用 YOLO 深度学习模型替代 ROI 双阈值方案,提升棋子检测准确率和光照鲁棒性。 0. 升级背景 当前的 ROI 双阈值...
Phase: P1 升级 — 棋子识别方案演进 | 依赖: P0 棋盘矫正 目标: 用 YOLO 深度学习模型替代 ROI 双阈值方案,提升棋子检测准确率和光照鲁棒性。 0. 升级背景 当前的 ROI 双阈值...
本章使用 ESP32-CAM + OpenCV + Qt6,从 MJPEG 视频流解码到 HoughCircles 星位检测再到 RANSAC 单应矫正,构建完整的棋盘基础视觉管线
上篇文章提出了 2 点斜对角方案,用中点凑第三点来做仿射预估。但这篇文章要指出:这个方案存在一个无法修复的数学缺陷——三个点共线导致仿射矩阵退化...
核心问题:9 星位标记虽然精度最高,但用户操作繁琐。能否只用 2 个斜对角星位完成矫正,同时保持可接受的精度?答案是:可以。通过仿射预估 → 引导搜索...
三点三角方案有一个痛点:点完 3 次后,可能停留在仿射阶段,透视校正要碰运气(guided search 能不能搜到额外星位)。四点角方案用 4 个角星位,多 1 次...
核心思想:围棋棋盘有 9 个固定位置的星位标记点(座子点),它们构成一个已知的 3×3 网格。检测这 9 个点即可直接求解透视变换,一步到位地映射出全部...
1. 问题定义 输入: 任意角度拍摄包含围棋棋盘的彩色照片(倾斜、透视畸变) 输出: 正方形俯视校正图(19×19 标准棋盘,含网格线与星位标记) 2. 算法流...
Phase: P1 — 棋子识别 + 局面感知 | 依赖: P0 棋盘矫正 输入: 透视矫正后的 600×600 正方形棋盘图,已知 361 个交点像素坐标 输出: 19×19 局面字符串 (B/W/.) + 落...