Hallo,

Zum Thema Programmiersprachen gibts da einen interessanten Thread: https://www.roboternetz.de/phpBB2/vi...=430297#430297 ,aber Bildanalyse ist hier schon gut aufgehoben.

Meine Algorithmen sind noch nicht fertig ausgearbeitet, weil ich erst andere Arbeiten abschliesse. Die Tests, die ich gemacht habe waren erfolgreich. In den Bildern davon sind die Kreuzchen und Linien vom Programm richtig gesetzt worden, wie man ein paar Postings zurück sehen kann. Gegen das Rauschen, das ja wirklich im Extremfall bunt funkeln kann, gibt es mehrere Strategien.

Das was Daniel wieder gegeben hat hilft nicht gegen das Rauschen. Mit einer ähnlichen Methode kann ich nur statische Kamerafehler abziehen. Wenn ich aber von einem verrauschten Bild ein 2. Bild, das nur Rauschen enthält, abziehe, dann verstärke ich das Rauschen. Denn die beiden Rauschanteile sind nicht korreliert.

Was aber hilft, ist das Bilden von Mittelwerten über mehrere inhaltlich identische Bilder hinweg. Das hilft im vorliegenden Fall normalerweise nicht, weil ich keine inhaltlich identischen Bilder habe, das Fahrzeug bewegt sich ja im Normalfall. Aber man könnte durchaus das Fahrzeug anhalten und dann 500 identische Bilder mitteln, um das Fahrzeug wieder zu findenn.

Was ich in Versuchen auch als hilfreich bestätigt gefunden habe, das ist das Weichzeichnen. Das ist auch eine Mittelwertbildung, aber innerhalb eines Bildes um die jeweiligen Pixels herum. Einzelne farbige Pixels verschwinden ebenso wie einzelne andersfarbige Bildpunkte inmitten der LED.

Auch kannst du jeden Bildpunkt mit seiner Umgebung korrelieren. Die unkorrelierten schwächst du ab. Das bewertet dann die Dichte des Vorkommens einer Farbe höher.

Anhand der Streuung der Koordinatenwerte, kann ich auch immer beurteilen, ob ich eine brauchbare Bildpunktgruppierung gefunden habe, oder ob ich noch Ausreisser eliminieren muss.

Was ich als sehr zielführend herausgefunden habe ist folgendes. Anhand eines Grenzwertes werden die Bildpunkte als ähnlich oder unähnlich zur gesuchten Farbe (zweiwertig) eingestuft. Vor der Weiterverarbeitung werden die Punkte, die von mehr anders bewerteten umgeben sind, umbewertet. Das ist ein sehr wirksamer Filter, wenn man die Grösse des gesuchten Objekts kennt und die Krümmung des Umrisses einbezieht.

Eine weitere Strategie ist die, dass man die Kriterien für die Ähnlichkeit so anpasst, dass man so viele Bildpunkte findet wie man erwartet: Zum Beispiel 80 % von der Fläche des gesuchten Objekts.

Und die wichtigste Strategie hab ich schon in einem Postig erwähnt: Ich weiss, wo sich das Fahrzeug befinden soll. Also wird es dort mit einem bestimmten Fehlerradius gesucht. Es ist sinnlos, das ganze Bild ab zu suchen. Dazu gehört, dass das Programm ein flexibles Modell des Fahrzeugverhaltens hat. Wenn das Fahrzeug aufgrund neuer Batterien immer weiter fährt, als berechnet, dann wird das in die weiteren Berechnungen einbezogen.

Die Anpassung der Bildhelligkeit überlasse ich nicht der Kamera, die kann das Programm selbst vornehmen. Auch kann man so Unsinn, den die Kamera produkiert, wieder rückgängig machen.

Es gibt also genug Möglichkeiten, für gute Ergebnisse zu sorgen. Tests werden später zeigen, was nötig ist.

Gelb und Blau habe ich nur gewählt, weil in der Navigation rot backbord und grün steuerbord signalisiert. Die Farben müssen sich nur ausreichend von der Umgebung abheben.

grüsse,
Hannes