趁著比賽將近，總結一下對於nao機械人攝像頭座標轉換問題的理解。
為了讓nao機械人識別某個物體，然後走到物體面前一段距離的位置停止，需要知道nao和物體的距離和角度。通過查詢aldebaran documentation可知用函式gettargetpositon（）可以得到某些特定的物體的座標。
但是對於一般的物體而言這個並沒有什麼卵用。。
二.解決辦法
用簡單的單目測距原理和相似三角形原理作乙個座標變換：
設以攝像頭為座標原點的座標係為a（原點：攝像頭鏡頭，x軸正前方，y軸左前方）
以攝像頭焦平面為座標原點的座標係為b（原點：2d影象中心（640x480的圖就是（320，240）啦），注意這個x軸和y軸方向如圖所示：
圖中的角60.97°和47.64°分別是nao機械人的水平張角和垂直張角。
由三角函式變換：alpha=((320-x)/640)60.97pi/180
beta=((y-240)/480)47.64pi/180
由nao提供的api，getangles（）引數設定成headyaw和headpitch獲得頭部姿態，假設是rotation1和rotation2，則可以得到校正後的alpha』和beta』:
alpha』=alpha+rotation1
beta』=beta+rotation2
然後通過angleinterpolation()將頭部轉到目標物中間，理想狀態下應該物體重心點正好在影象的中心（320,240)
通過以上變換是為了讓機械人的攝像頭正好對準物體中心，這樣構造出來的計算距離的模型會是乙個平面三角形，簡化了計算。
v5的nao身高h總共是459.59mm，假設物體長度l，則有：
其中theta是下攝像頭和水平方向夾角，為39.7°
phi可以由函式getangle（）帶入引數"headpitch"得到
將已知條件代入即可得到距離s
以上是一種簡單的獲得物體座標的方式，其優點是寫**簡單快捷，缺點是沒有攝像頭標定精度較低，且應用範圍較小。可作為替代的還有雙目視覺和採用深度攝像頭獲得三維座標的方案，等有空再更新。
機械人視覺專案 視覺檢測識別 機械人跟隨（3）
嵌入式裝置，計算資源有限，對演算法的執行時間敏感。yolov3在tx2上能跑到5fps，但存在偶爾漏檢的情況。yolov3使用darknet。kcf雖然非常快，但很容易跟丟，對於目標形變 人的姿態變化 目標移動較快 目標離開場景等情況，效果較差。kcf使用opencv contrib的實現。dete...
機械人視覺專案 視覺檢測識別 機械人跟隨（16）
跟蹤丟失後再檢測時加上目標特徵匹配，是將第一幀檢測到的目標框中的特徵提取出來，具體可以採用尺度不變特徵sift，surf特徵提取，提取出來的特徵，能否以向量的形式儲存在變數中，再檢測時搜尋影象幀中的待確定目標區域 可能有數個這樣的roi 可以通過計算歐式距離的方式與第一幀影象中的特徵進行匹配，快速排...
機械人視覺專案 視覺檢測識別 機械人跟隨（20）
1.嘗試用tx2外接kinectv1深度相機獲取rgbd影象資訊，傳入到我們的行人檢測 框架中，除錯基於深度相機的行人檢測與跟蹤演算法的效果。首先安裝kinect對應arm處理器的ubuntu驅動程式，libfreenect v2.0 openni v2.2.0.33 nite v2.0.0 安裝l...