学习路径 / VISION

视觉组学习路径

视觉组输出的不是一张“识别结果图”，而是电控可以立即使用的目标位置、姿态和置信信息。算法要在有限算力下保持稳定帧率，还要面对反光、遮挡、运动模糊和相机抖动这些真实问题。

原始资源视觉组原始学习仓库

原始内容整理

本文面向参加 RoboMaster 比赛的感知、视觉、算法组成员，以及有志于计算机视觉领域研究的同学。阅读前需要有计算机科学基本知识并至少掌握一门编程语言，同时对 RoboMaster 比赛规则和过程有大致了解。

教程希望介绍视觉组工作的基本概况和进入视觉组需要学习的知识，帮助其他技术组了解视觉模块的运行机制，方便协作开发，也让新人更快接触视觉软件开发过程。

视觉组负责机器人模块主要是传感器和数据处理：通过处理相机、激光雷达等传感器采集的信息，让机器人在一定程度上具有“视觉”或“知觉”功能。

在比赛中，视觉可以让机器人自动识别敌方装甲板，实现自瞄；也可以帮助操作手击打能量机关；视觉感知系统还是哨兵机器人、自动步兵的重要组成部分，同时承担雷达等全局感知任务。

学习要循序渐进，先补齐前置知识，再开始后续内容；尽量成体系地学习，不要只在网上搜零散答案。遇到 bug 时先看报错信息，使用 Google 或 Bing、官方文档和 StackOverflow；提问时把环境、复现步骤、完整日志和已经尝试过的方法写清楚。

按原文顺序学习

从基础到能交付。

建议按顺序推进，每一阶段都留下代码、板卡、结构或实验记录，方便后续考核和面试时展示。

从图像坐标和颜色空间开始，练习阈值分割、形态学处理、轮廓筛选和相机标定。不要只看算法在理想图片上的效果，要收集不同距离、亮度和背景下的样本，说明每个参数改变后误检和漏检如何变化。

先完成灯条和装甲板候选区域提取，再逐步加入几何约束、颜色约束和时序信息。遇到误检时保留原图、二值图和筛选中间结果，能够解释是光照、反光、遮挡还是阈值设置造成的问题。

建立相机、云台和车体坐标之间的变换关系，理解姿态角、目标距离和枪口方向的对应关系。再加入目标速度估计、系统延迟和弹道补偿，先用离线数据验证，再上车测试，避免把所有误差都归因于“识别不准”。

通过 UDP 或其他接口把目标信息交给电控，明确消息格式、单位、时间戳和无目标时的行为。实际联调时记录端到端延迟、丢帧和线程负载；目标是系统在连续运行一段时间后仍然稳定，而不是只在演示片段中有效。

学习建议：遇到问题前先搜索资料、阅读报错、做最小复现；仍未解决时，再带着完整背景和日志向组内同学提问。
建议的阶段产出：一组带场景说明的测试图片、装甲板识别程序、坐标和延迟测量记录，以及一段连续运行的实车视频。