注意使用C++，并使用Git管理代码，建议使用Ubuntu系统。
关于Git的学习，可以参考：
- 廖雪峰的中文教程
- Github的互动式课程
- Atlassian也有一个简明的Git教程
- 如果需要深入了解Git是如何进行版本管理的，可以参考A Hacker's Guide to Git
【1】固定白平衡（提供空项目）
- 背景：使用相机的自动白平衡会导致低头看草地和抬头看远处（图像中出现白色背景）时参数差距过大，而相机驱动接口的手动白平衡仅开放一个接口参数，无法对RGB的gain进行分别调整，效果极差。如下图所示，分别为抬头与低头时的图像，低头状态下自动白平衡调整导致整体图像颜色偏红。
- 开启自动白平衡时，在特定情况（如场地占满视野）下会产生偏色，影响后续色彩分割；
- 开启手动白平衡时，由于现有驱动参数的限制，无法调节到与自动白平衡相似的效果。
-
要求：能通过主动用摄像头拍摄灰卡的方式，手动校准白平衡，并固定当前参数。
-
途径：以下两种方法任选其一：
- 修改或完善相机驱动，通过底层接口将相机白平衡固定在一个较好的参数；
- 在现有驱动的接口下，使用灰卡手动标定正确的白平衡色温参数并保存，通过其对之后获取到的每帧图像手动进行软件白平衡处理。
如使用空项目请将项目仓库fork到自己帐号下。测试用视频发布于空项目的release中。
【2】自适应hsv阈值（或者选框，提供空项目）
-
背景与需求：目前的检测需设定hsv通道下的阈值，在比赛（换场地、光线变化等）调试时十分繁杂。
-
途径：以下两种方法任选其一：
- 需要根据场地使用自适应的方法确定阈值（给定图像确定阈值）；
- 在GUI的图像中框选部分图像确定阈值，简化参数调整。
如使用空项目请将项目仓库fork到自己帐号下。测试用图片、视频发布于空项目的release中。
-
背景：目前的白线检测耗时较长，在其流程中，有许多可以利用GPU加速或者进行并行化的部分。
-
需求：将机器人上单次白线检测的时间缩短至10ms以内。
-
途径：使用
cv::cuda、cv::parallel_for_或者直接调用OpenMP、TBB等并行化库，对于白线检测进行加速。详见补充材料，请联系队员获取。
- 背景：目前机器人使用IMU加上视觉校正来实现自身相对于场地的角度的判断，我们需要更多的可靠观测来实现视觉校正。
- 需求：使用初步的视觉罗盘，为场地角的视觉校正提供新的观测。
- 途径：
- 用机器人在场地上事先对环境构建全景地图；
- 机器人在场地上任意位置拍摄图像，通过特征匹配等方式，将当前帧与先验地图进行匹配，获得当前机器人的场地角。
- 背景：守门员在处于防守状态时，能够观测到的landmarks有限，导致其自定位效果不佳。
- 需求：针对球门前的罚球点进行检测，增强守门员自定位效果。
- 途径：
- 用目标检测方法对罚球点初步检测；
- 并用白线、位置等对检测结果进行限制，获得可信的罚球点位置，辅助守门员定位。
题【1】、【2】的空项目仓库将于2019.7.21前公开。
针对以上题目描述，如有疑问请联系邮箱[email protected]。