RM2026 · 山东理工大学齐奇战队

飞镖系统双目测距及前端制导开源

戈兀少一点2026-08-25 06:11163 字1 个链接

软件 / 技术资料 嵌入式 / 飞镖系统算法 / 飞镖系统软件 / 实用工具

简介

本文档为RM2026山东理工大学齐奇战队飞镖系统双目测距及前端制导开源。

山东理工大学双目测距及飞镖系统前端制导方法开源.pdf

参考文献

王代东. 基于双目视觉的测距方法研究与应用 [D]. 重庆: 重庆理工大学, 2016.

崔岩. 基于双目立体视觉的距离测量 [D]. 长春: 长春理工大学, 2007.

正文与图片来自原文，版权归原作者所有；本站仅作检索与阅读。原文链接 ↗

AI 概览

算法/库上场验证

双目测距用二次拟合修正，15–28m 内满足赛场使用

先用双目测距，通过二次多项式拟合修正测量值与实际值的非线性偏差，使 15–28m 范围内的测距满足赛场使用；再用 OpenCV 识别人工引导灯中心，以 <3 像素偏差实现瞄准。对每发镖体标定基础参数，用 roll 角拟合 yaw 补偿，用 pitch、roll、距离三变量回归算拉力。整套方法已在实际比赛中获得 MVP。

双目测距：理想模型 Z=fT/d，实际偏差近似二次函数，用二次多项式 y=0.0123x^2+0.5331x+1.5432 拟合修正（仅适用于一次装配）。
瞄准：OpenCV 传统色块识别，取引导灯中心像素，x/y 偏差 <3px 视为瞄准完成；pitch 轴保持引导灯在光轴平面。
每发镖体有基础参数，用于区分打印/装配误差，不直接用于瞄准，需结合 roll、pitch 和距离实时补偿。
yaw 补偿：通过改变 roll 角试射记录补偿量，用 MATLAB 拟合得到 yaw 补偿方程，叠加到基础参数。
拉力计算：用 pitch 角、roll 角、距离三变量线性回归，得到拉力方程；举例方程 y = -2770.4356 - 3654.5973*x1 - 680.9221*x2 + 0.04268*x3。

适用

适用于飞镖系统前端制导，需要稳定的机械结构（镖体落点散布在一个小装甲板内）和双目相机；方法可迁移到英雄吊射、自瞄等需要动态补偿的场景。技能要求：熟悉双目标定、OpenCV 色块识别、MATLAB 曲线拟合。

上手

搭建双目相机，固定光轴平行，标定相机内参
在 15–28m 范围内每隔 1m 记录实际距离和测量值
用 MATLAB 二次多项式拟合测量值与实际值，得到换算方程
对每发镖体记录 yaw 基础参数，并将当前 roll 角设为零点，补偿量记为零
改变 roll 角进行试射，记录补偿量，用 MATLAB 拟合 yaw 补偿方程
改变距离和高度试射，记录 pitch、roll、距离与拉力，用 regress 作线性回归

换到自己车上要改

重新标定相机内参和光轴平行度
重新拟合二次多项式换算方程，因为原方程仅适用于一次装配
重新标定每发镖体基础参数
重新拟合 yaw 补偿方程和拉力方程
调整 OpenCV 引导灯色块阈值以匹配实际颜色
根据相机分辨率调整瞄准像素阈值（原为 3px）

仓库里有什么

附件为 PDF 文档（约 4493 字），包含双目测距原理、精度校准、瞄准与拉力计算方法、拟合数据表格和视频链接。

注意

拟合方程仅适用于一次装配，每次拆装后需重新标定。
测距拟合区间为 15–28m，超出范围可能不准。
拉力方程为线性回归，精度有限，可适当引入高阶项。
方法依赖稳定的机械结构，否则落点散布过大无法应用。

阅读建议

建议阅读顺序：先读第 1.2 节（测距校准）和第 2.2 节（拉力计算），再读第 2.1 节（前端瞄准）和第 3 节（功能展示）。

常见问题5

双目测距为什么会有误差？: 理想安装条件难以满足，包括内参标定误差、机械装配偏差（如相机光轴非完全平行）等因素叠加所致。正文 1.2
二次拟合方程是怎么得到的？: 将测量值和实际值绘制散点图，发现近似二次函数形态，剔除两个异常点后用二次多项式拟合得到。正文 1.2
拟合方程能用在别的装配上吗？: 不能，方程仅适用于这一次装配，实际拟合结果受两相机光轴夹角和焦距等因素影响。正文 1.2
拉力是怎么计算的？: 以 pitch 轴倾角、roll 倾角、距离为自变量，用 MATLAB regress 函数线性回归得到拉力方程。正文 2.2.2
瞄准完成的标准是什么？: x 和 y 方向差值都小于 3 个像素点时视为瞄准完成。正文 2.1

依据「图 8 获得的 MVP」

由 deepseek-v4-flash-vision-exp 根据正文、附件、仓库文档与参考文献生成，可能有误，请以原文为准。

规格 · AI 提取，标注来源

问题飞镖系统需要精确的引导灯测距和前端制导，以在多变场地条件下保证落点命中。

路线通过双目测距获得引导灯距离，用二次多项式拟合修正系统误差；结合 OpenCV 识别瞄准，利用实测数据拟合 yaw 补偿和拉力方程，实现动态参数调整。

参数3

测距误差	2 以上 m	25m 处原始测量误差正文 1.2
瞄准偏差阈值	3 px	x 和 y 方向差值正文 2.1
测距拟合区间	15–28 m	二次拟合函数内插区间正文 1.2

组件2

OpenCV库传统视觉色块识别 — 识别引导灯中心像素坐标
MATLAB软件曲线拟合工具箱与 regress 函数 — 拟合 yaw 补偿和拉力回归方程

取舍2

用二次多项式拟合测距误差 而非含误差项的复杂模型
在当前应用范围内，二次函数已提供足够精度，无需额外复杂建模
每发镖体记录基础参数
区分不同镖体由于打印质量和装配误差产生的落点偏移

踩坑5

原始测量值与实际值偏差显著，25m 处误差 2m 以上 → 原因是理想安装条件难满足，内参标定误差和机械装配偏差叠加，对策是二次多项式拟合修正。
拟合方程仅适用于一次装配 → 每次拆装后需重新测量拟合。
每发镖体落点不同 → 因打印质量和装配误差，需逐发标定基础参数。
roll 轴倾角影响落点左右方位 → 左倾落点偏左，需根据 roll 角调整 yaw 补偿。
拉力受水平距离、高度、roll 角影响 → 用三变量线性回归拟合拉力方程。

接口 · 工具链 · 成本

工具链 OpenCV、MATLAB

作者主张2

测距精度优化方法可迁移到英雄吊射或自瞄等场景 — 我认为这种方法不止适合用在飞镖调试场景，还可以应用在英雄吊射或自瞄等场景
二次函数已提供足够精度，无需复杂建模 — 在当前应用范围内，二次函数已提供足够精度，无需额外复杂建模

参考2

王代东. 基于双目视觉的测距方法研究与应用 [D]. 重庆: 重庆理工大学, 2016.参考
崔岩. 基于双目立体视觉的距离测量 [D]. 长春: 长春理工大学, 2007.参考

没说清的5

拟合方程如何嵌入实时控制流程？材料没有给出代码或伪代码。
样本点数量多少合适？没有给出采样点数量的建议。
如何自动区分并切换每发镖体的基础参数？材料没有说明镖体识别方法。
相机分辨率和帧率是多少？材料未说明。
现场光线变化对色块识别的影响如何应对？材料未提及。

资源 · 1

下载山东理工大学双目测距及飞镖系统前端制导方法开源.pdf

问这篇文章

上下文：正文 + 附件 + README

你可以问：这套方案适合我们队的哪个机器人？和文中提到的其他做法相比差在哪里？