mbot's People
mbot's Issues
Creazione del Detector per il field
creare la classe a la sua implementazione data l'immagine NON normalizzata.
deve derivare da IDetector.
dovrà trovare dei QRCode con dei valori predefiniti.
potrebbe utilizzare aRuco markers per motivi di efficienza
Trasferimento immagini dal back-end al front-end
Implementare una classe per il trasporto dei dati immagine/video dal back-end al front-end.
Momentaneamente si può utilizzare la cv::Mat
fornita da OpenCV, mentre in futuro bisognerà utilizzare un metodo non dipendente da librerie esterne.
Creazione delle strutture dati dei vari oggetti di scena
Separare i Detectors degli oggetti dalle classi degli oggetti
- Separare BallDetector da Ball
- Separare FieldDetector da Field
Rinominare Field a FieldDetector e aggiungere Field - Separare PlayerDetector da Player
I detector dovranno raccogliere informazioni sugli oggetti ed aggiornarli, gli oggetti dovranno contenere soltanto informazioni senza metodi.
Creazione del Detector per la palla
creare la classe a la sua implementazione data l'immagine normalizzata.
deve derivare da IDetector.
possibile implementazione puo usare un colorHSV threshold e blob detection.
Implementazione di una classe imageNormalizer
Spostare il compito del fieldDetector di normalizzare il campo nella classe imageNormalizer
Documentazione delle classi tramite ClassDiagram
- Installare il componente Progettazione classi
- Creare un diagramma classi del progetto
Per la creazione del diagramma classi è possibile segure questa guida dalla documentazione Microsoft.
implementare l'update del Backend e inserire i dati da trasferire al frontend
- implementare il costruttore che inizializza tutti i detector
- aggiungere i detector che usa nel nei campi privati o publici
- implementare il metodo update che ottiene e trasferisce l'immagine tra i detectors
- inserire i dati da trasferire al frontend nella struct DataTransfer
Trasferire le posizioni normalizzate e non normalizzate dal back-end al front-end
Le classi mBot Backend/libs/objects/Ball.h, mBot Backend/libs/objects/Field.h e mBot Backend/libs/objects/Player.h vengono utilizzate per il trasferimento dei dati dal back-end al front-end.
Ogni singolo oggetto dovrà trasferite sia le posizioni reali che le posizioni normalizzate al front-end.
Quando si trasferisce un punto (mBot Backend/libs/objects/Point.h) bisogna creare sia la variabile reale (es. Point realPosition;
) che la variabile normalizzata (es. Point normPosition;
).
Distribuzione origine video [back-end]
Creazione di un acquisitore/distributore dell'origine video
Creare una classe acquisitore di dati immagine/video addetto alla distribuzione dei dati verso ai detector ed al front-end.
La gestione dell'origine video dovrà essere completamente controllata dalla classe acquisitore.
NOTA:
Il trasferimento dei dati immagine/video al front-end momentaneamente può essere fatto con l'utilizzo di una cv::Mat
fornita da OpenCV, mentre in futuro bisognerà trovare un metodo che non dipenda da librerie esterne ( issue #9 ).
Il trasferimento interno dei dati immagine/video (quindi nel back-end) va comunque mantenuto utilizzando una cv::Mat
Switch per selezionare l'origine del video
Implementare uno switch che deve dare la possibilità di poter riprodurre video e immagini già salvate su disco o provenienti dal live feed dalla webcam.
Creazione del Detector dei player
creare la classe a la sua implementazione data l'immagine normalizzata.
deve derivare da IDetector.
Una possibile implementazione si può trovare qui
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.