SPL-assets

O que temos:

• Cross Toolchain 2.8.5 (C++)
• Cross Toolchain 2.1.4 (C++)
• Imagem 2.8.5 Robocupper
• Imagem 2.1.4

Treinamento do Haar cascade

• Consiste em uma coleta de imagens para o uso de treinamento de pesos para identificação de objetos desejáveis durante o jogo.
• Já esta presente os pesos e o procedimento para coletar imagens de bolas pretas e brancas e de objetos a ignorar.

Scripts disponíveis

• Dentro dos scripts, estão:

  • gather_image.py: Coleta de imagens seguindo as classes positivas (objetos a serem identificados) e negativas (objetos a serem ignorados).

  • ordenate.py: Ordenação das imagens e para o seu treinamento. Quantidade boa encontrada para o treinamento: 50 imagens positivas para 800 negativas.

  • trains_cascade.py: Utiliza os pesos encontrados após o treinamento com as imagens coletadas em cima de um exemplo fornecido para verificar a acurácia da identificação.

    • OBS: O teste não pode estar contido no conjunto de postivos ou negativos.

Construção dos pesos:

A construção dos pesos para a identificação dos objetos foi feita utilizando uma interface gráfica presente apenas para windows encontrada em https://amin-ahmadi.com/cascade-trainer-gui/ e seguindo o seguinte passo a passo https://medium.com/@vipulgote4/guide-to-make-custom-haar-cascade-xml-file-for-object-detection-with-opencv-6932e22c3f0e