本篇内容介绍了“怎么使用Python和OpenCV实现在线打乒乓球”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
为保德等地区用户提供了全套网页设计制作服务,及保德网站建设行业解决方案。主营业务为网站设计、网站建设、保德网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!
捕捉屏幕
第一件事就是捕捉屏幕。我想确保我的帧速率尽可能快,为此我发现MSS是一个很棒的python包。有了这个,我很容易达到60帧/秒的最高速度,与 PIL 相比,我只能得到大约20帧每秒。它以 numpy 数组的形式返回。
Paddle detection
为了简单起见,我们需要定义paddle 的位置。这可以用几种不同的方法来完成,但我认为最明显的是对每个Paddle的区域进行遮罩,然后运行连接的组件来找到Paddle对象。下面是一段代码:
def get_objects_in_masked_region(img, vertices, connectivity = 8): ''':return connected components with stats in masked region [0] retval number of total labels 0 is background [1] labels image [2] stats[0] leftmostx, [1] topmosty, [2] horizontal size, [3] vertical size, [4] area [3] centroids ''' mask = np.zeros_like(img) # fill the mask cv2.fillPoly(mask, [vertices], 255) # now only show the area that is the mask mask = cv2.bitwise_and(img, mask) conn = cv2.connectedComponentsWithStats(mask, connectivity, cv2.CV_16U) return conn
在上面,“vertices”只是定义遮罩区域的坐标列表。一旦在每个区域内有了对象,我就可以得到它们的质心位置或边界框。需要注意的一点是OpenCV将背景作为任何连接的组件列表中的第0个对象,因此在本例中,我总是获取第二大的对象。结果如下——右边绿色质心的球拍是玩家 / 即将成为人工智能控制的球拍。
移动paddle
现在我们有了输出,我们需要一个输入。为此,我求助于一个有用的包和其他人的代码 。
它使用ctypes来模拟键盘按下,在这种情况下,游戏是用“k”和“m”键来玩的。我这里有扫描码。在测试了它只是随机上下移动后,我们就可以开始跟踪了。
乒乓球检测
下一步是识别并跟踪乒乓球。同样,这可以用几种方法来处理——其中一种可能是通过使用模板进行对象检测,然而,我再次使用了连接的组件和对象属性,即乒乓球的区域,因为它是唯一具有尺寸的对象。
我知道每当乒乓球穿过或碰到其他白色物体时,我都会遇到问题,但我也认为只要我能在大多数时间里追踪到它,这一切都没问题。毕竟,它是直线运动的。如果你看下面的视频,你会看到标记乒乓球的红色圆圈是如何闪烁的。这是因为它只在每2帧中找到一个。在60帧/秒时,这并不重要。
反弹预测的光线投射
在这一点上,我们已经有一个可工作的人工智能。如果我们只是移动球员的球拍,使其处于与乒乓球相同的y轴位置,它的效果相当不错。然而,当乒乓球得到良好的反弹时,它确实会遇到问题。球拍太慢了,跟不上,需要预测乒乓球的位置,而不是仅仅移动到当前的位置。这已经在上面的剪辑中实现了,下面是两种方法的比较。
差别并不大,但如果选择了正确的人工智能,这绝对是一场更稳定的胜利。为此,我首先为乒乓球创建了一个位置列表。为了公平起见,我把这个列表的长度控制在5个,基本上可以做到。列表不要太长,否则要花更长的时间才能发现它改变了方向。在得到位置列表后,我使用简单的矢量平均法来平滑并得到方向矢量——如绿色箭头所示。这也被标准化成一个单位向量,然后乘以一个长度以方便可视化。
投射光线只是这个的延伸——使前向投影变长。然后我检查了未来的位置是否在顶部和底部区域的边界之外。如果是这样的话,它只是将位置投影回游戏区域。对于左侧和右侧,它计算出与paddle的x位置相交的位置,并将x和y位置固定到该点。这样可以确保paddle指向正确的位置。如果没有这一点,它通常会走得太远。下面是定义光线的代码,该光线可以预测乒乓球的未来位置:
def pong_ray(pong_pos, dir_vec, l_paddle, r_paddle, boundaries, steps = 250): future_pts_list = [] for i in range(steps): x_tmp = int(i * dir_vect[0] + pong_pos[0]) y_tmp = int(i * dir_vect[1] + pong_pos[1]) if y_tmp > boundaries[3]: #bottom y_end = int(2*boundaries[3] - y_tmp) x_end = x_tmp elif y_tmp < boundaries[2]: #top y_end = int(-1*y_tmp) x_end = x_tmp else: y_end = y_tmp ##stop where paddle can reach if x_tmp > r_paddle[0]: #right x_end = int(boundaries[1]) y_end = int(pong_pos[1] + ((boundaries[1] - pong_pos[0])/dir_vec[0])*dir_vec[1]) elif x_tmp < boundaries[0]: #left x_end = int(boundaries[0]) y_end = int(pong_pos[1] + ((boundaries[0] - pong_pos[0]) / dir_vec[0]) * dir_vec[1]) else: x_end = x_tmp end_pos = (x_end, y_end) future_pts_list.append(end_pos) return future_pts_list
在上面,也许不太明显的计算方法是确定paddle对目标的左或右位置的截距。我们基本上是通过相似三角形来实现的,图片和方程如下所示。我们知道在边界中给定的paddle的x位置的截距。然后我们可以计算出乒乓球将移动多远,并将其添加到当前的y位置。
paddle虽然看起来笔直,但实际上有一个弯曲的反弹面。也就是说,如果你用球拍向两端击球,球会反弹,就像球拍有角度一样。因此,我允许球拍击中边缘,这增加了人工智能的攻击性,使乒乓球四处飞舞。
“怎么使用Python和OpenCV实现在线打乒乓球”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
网页题目:怎么使用Python和OpenCV实现在线打乒乓球
URL分享:https://www.cdcxhl.com/article46/gpcieg.html
成都网站建设公司_创新互联,为您提供虚拟主机、网站建设、响应式网站、标签优化、网站维护、软件开发
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联