# 機器人軟件設計 ## 檢測識別  目標檢測部分在整個系統中起著重要的作用。如圖6所示，檢測節點訂閱攝像機消息（原始圖像和攝像機信息）。當接收到新的攝像機幀時，圖像預處理器將進行一系列的預處理（包括歷史均衡和顏色抖動）。Tiny-YoloV3探測器能夠以25 FPs的速度找到場景中的所有車輛，并且對色光或“遠車”（即敵車與我們有一定距離）敏感。在探測到所有車輛后，我們需要找到裝甲的位置。我們希望在RoboRTS中使用原始的檢測算法，但在此之前必須進行曝光調整。在確定敵方裝甲兵位置時，需要將裝甲兵的二維中心像素位置轉換為三維世界位置，并用框架控制信息發布。 Tiny-Yolov3是Yolov3的輕量級版本，具有24個網絡層（包括卷積層、最大池層和yolo層）。我們按照darknet教程訓練我們的定制訓練數據集。輸入大小為416×416，使用SGD優化器，初始學習率為0.001，動量為0.9。檢測結果與傳統的roboRTS檢測算法相比，我們的檢測系統獲得了更為魯棒的檢測結果。因為我們減少了對汽車的檢測指標，消除了環境光照的影響。其次，我們可以偵測到一輛與我們有一定距離的敵車，即使沒有發現裝甲，也可以將它的位置發布到決策節點！它將允許決策節點實時跟蹤敵方車輛。  圖6 . 自主識別框架圖