RectTracker

基于 Maixcam Pro 的电赛 E 题矩形识别算法项目。该项目实现了对 A4 UV 纸矩形的高精度检测与稳定跟踪，具有较低的误识别率，并能在 Maixcam Pro 上达到 30FPS 左右 的实时帧率，适合激光/纸张定位与云台控制场景。

功能特点

• 使用 YOLOv5 模型检测 A4 UV 纸的矩形外框
• ROI 优先模式 + 平滑跟随，避免快速移动时的误识别
• 支持连续帧确认机制，降低噪声干扰
• 显示矩形 角点（红色） 和 中心点（蓝色）
• 可选的矩形规则过滤（面积、长宽比）保证稳定性
• 支持 FPS 优化（隔帧 YOLO + ROI 优先）
• 支持激光点识别扩展（可选）

硬件要求

• Maixcam Pro / Maix II / Maix III
• 支持 MaixPy 或官方 Python SDK
• 可选云台控制硬件用于激光跟随

安装与运行

1. 将 YOLO 模型上传到开发板，例如：

   /root/models/model_3356.mud

2. 运行程序

   cd /root/RectTracker
   python main.py

3. 参数说明

   • FRAME_SKIP：YOLO 检测隔帧数，可平衡帧率与精度
   • RECT_ROI_PADDING：ROI 外扩范围，防止纸张移动丢失
   • SMOOTH_ALPHA：ROI 平滑系数
   • CONFIRM_FRAMES：连续帧确认矩形更新

算法说明

1. 矩形检测
   • 基于 YOLOv5 模型检测 A4 UV 纸外框
   • ROI 优先，优先在上一次矩形附近寻找，减少检测耗时
2. 矩形规则过滤
   • 面积范围过滤
   • 长宽比过滤（接近 A4 纸比例）
   • 可选角度过滤（默认关闭，优化帧率）
3. ROI 平滑与更新
   • ROI 中心通过指数平滑跟随矩形中心
   • 连续帧确认机制减少偶发噪声引起的内外框切换
   • ROI 大小固定或略放大，保证移动稳定性
4. 角点与中心显示
   • 绿色：矩形边框
   • 红色：角点
   • 蓝色：矩形中心
5. 帧率优化
   • 摄像头分辨率 480×360
   • YOLO 隔帧检测
   • ROI 优先模式减少 YOLO 调用次数
   • 仅绘制最大矩形，降低绘图开销

注意事项

• 确保 YOLO 模型路径正确
• ROI 边框过小会导致矩形在边缘时丢失
• 快速移动纸张时仍可能出现短暂丢失，可调整 RECT_ROI_PADDING 和 SMOOTH_ALPHA
• 可在调试模式下显示角点和中心点，实际比赛可关闭减少耗时