Question

如何使用OpenCV实现基于标记的定位

Answer 1

准备一张示例图片，如图示，图片中存在方形，多变形，不规则图形，圆形，且颜色各异。 下面介绍如何定位图中的两个圆。此图片大家可以使用windows自带的小画家来画，注意画圆的时候按shift键可以画出正圆。

引用OpenCV 头文件和库文件，并且包含vector， 后面要用到。
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <stdio.h>
#include <vector>
#include <math.h>
#pragma comment (lib,"opencv_core244d.lib")
#pragma comment (lib,"opencv_highgui244d.lib")
#pragma comment (lib,"opencv_imgproc244d.lib")
using namespace std;
using namespace cv;
加载待处理图片，为了便于显示，对图片进行缩放，其实缩放这个小技巧还可以提高后续的处理速度。然后对图片进行灰度处理，然后对图片记性二值化处理，去掉饱和度较低的部分，利用HoughCircles函数，提取轮廓为圆的部分。
注意调整HoughCirles函数的几个参数，可以抓到不同的结果，要耐心根据实际情况调整。
Mat resized;
resize(src,resized,Size(src.cols/ratio,src.rows/ratio));
int w=resized.size().width;
int h=resized.size().height;

Mat gray;
cvtColor(resized,gray,CV_BGR2GRAY);
blur(gray,gray,Size(3,3));
threshold(gray,gray,160,255,THRESH_BINARY_INV);
blur(gray,gray,Size(3,3));
vector<Vec3f> circles;
HoughCircles(gray,circles,CV_HOUGH_GRADIENT,2,h/4,25,100,h/32,h/8);
vector<Vec3f>::const_iterator it=circles.begin();
while(it!=circles.end())
{
circle(resized,Point((*it)[0],(*it)[1]),2,Scalar(0,0,255),2);
circle(resized,Point((*it)[0],(*it)[1]),(*it)[2],Scalar(0,0,255),2);
++it;
}
namedWindow("src");
imshow("src",resized);
namedWindow("resized");
imshow("resized",gray);
waitKey(0);

代码解读：
使用HoughCircles必须注意，传入的第一个参数必须是灰度图，根据需要设置其参数，参数2 ：累加器分辨率， 参数3： 两个圆之间的最小距离，参数4：Canny 高阀值，参数5：最小投票数，参数6，7：最小，最大半径。
函数抓取的圆保存到向量circles中， Vec3f 是个3个变量的结构体Vec3f[0] ，Vec3f[1] 对应圆心坐标值，Vec3f[2] 对应圆心半径。
为了显示结果， 使用circle函数画出圆心和圆，颜色使用红色。
但是摄像头拍照不比电脑作图，实际拍照会受光照条件和强度的影响，导致抓取结果偏差很大。 如下图，实际拍摄的图可能有阴影投射，灰度处理后影响值得抓取。使用上述代码，却抓到了7个圆，实际只需要左右2个，所以可以根据坐标将不需要的过滤掉。

实际基于标记的坐标定位也可使用如下的图形进行实现，该图解析出来后不但能够识别坐标，还可判断方向，实际开发中，下图会转化为海明码进行分析。

Answer 2

Kalman滤波理论主要应用在现实世界中个，并不是理想环境。主要是来跟踪的某一个变量的值，跟踪的依据是首先根据系统的运动方程来对该值做预测，比如说我们知道一个物体的运动速度，那么下面时刻它的位置按照道理是可以预测出来的，不过该预测肯定有误差，只能作为跟踪的依据。另一个依据是可以用测量手段来测量那个变量的值，当然该测量也是有误差的，也只能作为依据，不过这二个依据的权重比例不同。最后kalman滤波就是利用这两个依据进行一些列迭代进行目标跟踪的

Answer 3

如果仅有一张图片的样本的话，很难实现。 识别图片的过程大概是： 提取特征 训练样本，得到模型 使用模型判断 如果题主想速成的话，还是去下现成代码吧。。。