tommyt0mmy / mbot Goto Github PK

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.

• 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.

Spostare il compito del fieldDetector di normalizzare il campo nella classe imageNormalizer

creare la classe a la sua implementazione data l'immagine normalizzata.
deve derivare da IDetector.

Una possibile implementazione si può trovare qui

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.

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;).

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.

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

1. implementare il costruttore che inizializza tutti i detector
2. aggiungere i detector che usa nel nei campi privati o publici
3. implementare il metodo update che ottiene e trasferisce l'immagine tra i detectors
4. inserire i dati da trasferire al frontend nella struct DataTransfer

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.