openCV H检测

对于无人机竞赛，我需要使用openCV进行图像处理，以检测“H”（用于直升机着陆平台）。我尝试过一些经典算法，但结果并不令人满意

---

• 筛（和冲浪）：所有的角度都是相同的（90度），所以即使它发现“H”，它的方向也是错误的
• matchTemplate：非常好，但它不是旋转和大小不变的。所以我需要用不同的尺寸和方向做太多的测试
• Hough线变换：当无人机离目标太远或太近时，由于线的厚度，它不会检测到相同的线
• OCR的机器学习：我忽略了如何让它准确地学习，因为我搜索的模板是唯一的

有人能给我一些建议吗？：）

编辑：以下是我们需要检测的“H”：

---

识别直升机停机坪的最佳方法是训练Haar分类器，然后在以下设备上运行：

原始图像

图像旋转正负22,45,68,90度

Haar分类器是通过添加小的旋转来训练的，因此上述角度应足以覆盖图像中直升机停机坪的所有旋转。另一种方法是针对不同的旋转训练多个分类器；这更常见，因为Haar分类器放弃了最早的证据，并且运行多个分类器比旋转高分辨率图像更快

---

也可以尝试使用旋转来匹配模板，但这将需要更多的旋转。

“方向错误”-直升机H在被检测为着陆目标时是否有一个重要的方向？我正在与一架四角直升机合作，我希望能够以正确的方向着陆。冲浪并不总是能找到H，因为所有的角度都是一样的。不要认为它有多少个刀片这么重要。我想不可能有一种技术在所有范围内都能理想地工作，即在不同范围内使用不同的技术。例如，如果H不可见/不可检测，那么无人机大概应该有一个有界搜索模式。那么你不认为有一个模板匹配算法是大小和方向不变的吗？我没有说，我也没有说。所以如果我用足够的图像训练它，它具有大小和旋转不变的行为？是的。OpenCV的人脸检测器就是一个很好的例子，它可以处理大约10度的头部顺时针和逆时针旋转。你不认为这个算法需要很多时间来处理吗？我将在树莓皮零W上使用它。Opencv人脸检测可以在RPi模型1b上运行；因此，这也应该很好（显然，培训必须在桌面上完成）。但我不确定帧速率。您可以尝试在您的平台上运行OpenCV的人脸检测器，看看它是否有效。