项目仓库:https://github.com/yicongl1/Drone-Delivery-2022

赛题里 A 区是一个 500 mm 的靶环,B、C 区印着不同图案。飞机只有一台 Jetson Nano 和一架下视相机,要在三米左右的高度把靶心找出来,再把落点偏差换算成米发给飞控。

我们最后没有用模板匹配,也没训练任何模型,判据只有一个数:周长的平方除以面积。

为什么是这个判据

对正圆,周长 C 与面积 S 满足 C² = 4πS,所以 C²/(4S) 恒等于 π;对正方形,C²/S 恒等于 16。这两个数都无量纲——与大小无关、与旋转无关、与相机距离无关。

这意味着不用为每种图案准备模板,不用管飞机飞多高,阈值也只有一个容差,而且物理意义清楚。

代码里就是这样一行:

auto area = cv::contourArea(contours[idx]);
auto circumference = cv::arcLength(contours[idx], true);
if (area > 512 &&
    fabs(circumference * circumference / (4 * area) - M_PI) < 0.4) {
    // 这是一个圆
}

靶心怎么找:取半径最小的那个圆

靶环是多圈同心圆。判据会把每一圈都筛出来,所以还需要一步“选哪个”:用 r = 2S/C 反推每个圆的等效半径,取半径最小的那一个。

这一手很关键——靶环最内圈就是靶心,半径最小,天然不会有歧义。不需要知道靶环有几圈,也不需要知道它有多大。

auto radius = 2 * area / circumference;   // 等效半径
if (radius < min_radius) {
    cv::Moments M = cv::moments(contours[idx]);
    min_radius_center = { M.m10 / M.m00, M.m01 / M.m00 };  // 轮廓矩求质心
    min_radius = radius;
}

质心用轮廓矩而不是外接框中心,是因为稍微斜视一点,外接框中心就会偏,而矩心几乎不动。

前处理比判据重要

轮廓法的成败几乎全在前处理:

  1. 双边滤波 bilateralFilter(img, out, 3, 1024, 1024)——去噪但保边。用高斯滤波会把圆的边界糊掉,Canny 之后就闭合不起来了;
  2. Canny(24, 144):高低阈值比约 1:6,是试出来的;
  3. 9 × 9 闭运算:把断开的边缘接上。靶环在低对比度处边缘经常断;
  4. 3 × 3 开运算:去掉地面反光形成的小亮点;
  5. findContours + area > 512:先把明显不是靶环的碎轮廓扔掉。

顺序不能反:先闭后开,是“先该连的连上,再该丢的丢掉”;反过来会把断口当噪点清掉。

像素偏差怎么变成米

拿到质心后,偏差是 480 − cx 和 270 − cy(相对 960 × 540 的图像中心),再用针孔模型换算:

double a = error_y * sensor_x * pos_drone[2] / (x_size * fx);
double b = error_x * sensor_y * pos_drone[2] / (y_size * fy);

其中 sensor_x = 3.2、sensor_y = 2.4(mm),fx = 4.476、fy = 5.96(标定焦距),pos_drone[2] 是当前高度。

两个细节:

  • 高度直接乘进结果:飞得越高,同样的像素偏差对应的实际距离越大。高度估错 20%,落点就偏 20%;
  • 行列是交叉用的:x 方向的实际偏差由 y 方向的像素误差算,反之亦然。这是相机安装方向决定的,不是笔误——第一次读这段代码的人十有八九会以为写反了。

三个没做对的地方

只有单帧判定。 画面里出现一个恰好符合判据的干扰轮廓(地上的圆形贴纸、光斑),偏差立刻被发出去,没有任何平滑或确认。正确做法至少有两条:多帧一致性投票,或者对偏差序列做一次低通。

用 (0, 0) 当“没检测到”的哨兵值。 if((cx != 0) && (cy != 0)) 才发布。数学上没问题,但检测真的落在图像中心附近时,代码分不清“没检测到”和“正对着目标”——而“正对着目标”恰恰是最该发布的时候。

焦距是死值。 fx、fy、传感器尺寸都写死在源文件里,是按当时那台 CSI 相机标定的,换镜头就得重标。

如果重来

  • 判据保留,加一层时间维度。 结构不变,只在后面接一个 5 帧滑动窗:少于 3 帧命中就丢弃,命中则取中位数。成本几乎为零,却能把“偶发误检”这个最大风险直接砍掉;
  • 标定参数外置。 内参、传感器尺寸、图像中心统一进 yaml,和 launch 一起加载;
  • 加一条“看不见就悬停”的兜底。 现在检测失败时飞机仍按盲飞落点投放;改成“连续 N 帧无目标则悬停等待”,就能把一次误投变成一次重试。

回头看,这套方法在 2022 年那台 Nano 上是合适的:轻、无需训练、调试直观。它的问题不在判据本身,而在判据之外没有第二道防线——单个轮廓就能改变飞机的动作,这是工程上最不该有的结构。

代码、前处理参数和标定值都在仓库里:

https://github.com/yicongl1/Drone-Delivery-2022