You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
IoT-For-Beginners/translations/zh/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md

7.7 KiB

使用物联网设备 Wio Terminal 统计库存

结合预测结果和它们的边界框,可以用来统计图像中的库存。

统计库存

4罐番茄酱,每罐周围都有边界框

在上图中,边界框之间有一些小的重叠。如果这种重叠更大,那么边界框可能会指向同一个物体。为了正确统计物体数量,需要忽略那些有显著重叠的边界框。

任务 - 忽略重叠统计库存

  1. 如果尚未打开,请打开你的 stock-counter 项目。

  2. processPredictions 函数的上方,添加以下代码:

    const float overlap_threshold = 0.20f;
    

    这段代码定义了边界框被认为是同一物体之前允许的重叠百分比。0.20 表示允许 20% 的重叠。

  3. 在此代码下方,并在 processPredictions 函数的上方,添加以下代码以计算两个矩形之间的重叠面积:

    struct Point {
        float x, y;
    };
    
    struct Rect {
        Point topLeft, bottomRight;
    };
    
    float area(Rect rect)
    {
        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
    }
    
    float overlappingArea(Rect rect1, Rect rect2)
    {
        float left = max(rect1.topLeft.x, rect2.topLeft.x);
        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
        float top = max(rect1.topLeft.y, rect2.topLeft.y);
        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
    
    
        if ( right > left && bottom > top )
        {
            return (right-left)*(bottom-top);
        }
    
        return 0.0f;
    }
    

    这段代码定义了一个 Point 结构体,用于存储图像上的点,以及一个 Rect 结构体,用于使用左上角和右下角坐标定义矩形。然后定义了一个 area 函数,用于根据左上角和右下角坐标计算矩形的面积。

    接下来定义了一个 overlappingArea 函数,用于计算两个矩形的重叠面积。如果它们没有重叠,则返回 0。

  4. overlappingArea 函数的下方,声明一个函数,将边界框转换为 Rect

    Rect rectFromBoundingBox(JsonVariant prediction)
    {
        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
    
        float left = bounding_box["left"].as<float>();
        float top = bounding_box["top"].as<float>();
        float width = bounding_box["width"].as<float>();
        float height = bounding_box["height"].as<float>();
    
        Point topLeft = {left, top};
        Point bottomRight = {left + width, top + height};
    
        return {topLeft, bottomRight};
    }
    

    该函数从对象检测器的预测中提取边界框,并使用边界框上的值定义一个矩形。右侧通过左侧加上宽度计算得出。底部通过顶部加上高度计算得出。

  5. 需要将预测结果相互比较,如果两个预测的重叠超过阈值,则需要删除其中一个。重叠阈值是一个百分比,因此需要乘以最小边界框的大小,以检查重叠是否超过边界框的给定百分比,而不是整个图像的给定百分比。首先,删除 processPredictions 函数的内容。

  6. 在空的 processPredictions 函数中添加以下内容:

    std::vector<JsonVariant> passed_predictions;
    
    for (int i = 0; i < predictions.size(); ++i)
    {
        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
        float prediction_1_area = area(prediction_1_rect);
        bool passed = true;
    
        for (int j = i + 1; j < predictions.size(); ++j)
        {
            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
            float prediction_2_area = area(prediction_2_rect);
    
            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
            float smallest_area = min(prediction_1_area, prediction_2_area);
    
            if (overlap > (overlap_threshold * smallest_area))
            {
                passed = false;
                break;
            }
        }
    
        if (passed)
        {
            passed_predictions.push_back(predictions[i]);
        }
    }
    

    这段代码声明了一个向量,用于存储没有重叠的预测结果。然后遍历所有预测结果,从边界框创建一个 Rect

    接下来,这段代码遍历剩余的预测结果,从当前预测的下一个开始。这可以防止预测结果被多次比较——一旦 1 和 2 被比较过,就不需要再比较 2 和 1只需要比较 2 和 3、4 等。

    对于每一对预测,计算它们的重叠面积。然后将其与最小边界框的面积进行比较——如果重叠超过最小边界框的阈值百分比,则该预测被标记为未通过。如果在比较所有重叠后,预测通过了检查,则将其添加到 passed_predictions 集合中。

    💁 这是一种非常简单的方式来移除重叠,只是移除了重叠对中的第一个。在生产代码中,你可能需要在这里加入更多逻辑,例如考虑多个物体之间的重叠,或者一个边界框是否被另一个边界框包含。

  7. 在此之后,添加以下代码,将通过检查的预测结果的详细信息发送到串行监视器:

    for(JsonVariant prediction : passed_predictions)
    {
        String boundingBox = prediction["boundingBox"].as<String>();
        String tag = prediction["tagName"].as<String>();
        float probability = prediction["probability"].as<float>();
    
        char buff[32];
        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
        Serial.println(buff);
    }
    

    这段代码遍历通过检查的预测结果,并将它们的详细信息打印到串行监视器。

  8. 在此代码下方,添加代码,将统计的物品数量打印到串行监视器:

    Serial.print("Counted ");
    Serial.print(passed_predictions.size());
    Serial.println(" stock items.");
    

    然后可以将此数据发送到物联网服务,以在库存水平较低时发出警报。

  9. 上传并运行你的代码。将摄像头对准货架上的物品并按下 C 按钮。尝试调整 overlap_threshold 值,观察预测结果被忽略的情况。

    Connecting to WiFi..
    Connected!
    Image captured
    Image read to buffer with length 17416
    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
    Counted 4 stock items.
    

💁 你可以在 code-count/wio-terminal 文件夹中找到此代码。

😀 你的库存统计程序大获成功!

免责声明
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性,但请注意,自动翻译可能包含错误或不准确之处。应以原文档的原始语言版本为权威来源。对于关键信息,建议使用专业人工翻译。我们对因使用此翻译而引起的任何误解或误读不承担责任。