RoboMaster智能数据集标注工具
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。
项目介绍
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。
主要功能亮点
- 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)
- 图像的缩放与拖动。(TODO)
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。
目前已知的BUG
- 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
程序界面图
由于github图像缩放，可能导致看不太清楚，可以点击查看大图。
编译运行
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。
使用方法
- 首先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）。
- 点击保存或勾选自动保存完成当前图片的标注。
装甲板类别命名与类别编号
| 贴纸↓颜色→ | B（蓝色） | R（红色） | N（熄灭） | P（紫色） |
|---|---|---|---|---|
| G（哨兵） | 0 | 7 | 14 | 21 |
| 1（一号） | 1 | 8 | 15 | 22 |
| 2（二号） | 2 | 9 | 16 | 23 |
| 3（三号） | 3 | 10 | 17 | 24 |
| 4（四号） | 4 | 11 | 18 | 25 |
| 5（五号） | 5 | 12 | 19 | 26 |
| B（基地） | 6 | 13 | 20 | 27 |
数据集文件格式
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x坐标
- 左上角y坐标
- 左下角x坐标
- 左下角y坐标
- 右下角x坐标
- 右下角y坐标
- 右上角x坐标
- 右上角y坐标
如果觉得该项目对你有帮助请点一个Star：）
