NeedMilk! yxiao1996

Before you Start

在开始工作之前，请先为你的电脑配置工作需要的环境。

我们需要Ubuntu系统
我们目前的顶层代码均采用Ubuntu平台，如果要参与我们的程序开发工作，使用Ubuntu系统是几乎不可避免的。你可以采用以下2种方式中的任意一种为你的计算机配置Ubuntu操作系统。
- 虚拟机
  1. 如果你仅是希望把Ubuntu用于本次Robocon工作，我建议你使用虚拟机，他们容易可以容易地从你的电脑中删除；
  2. 首先你需要确认你的计算机是支持并开启虚拟化的，这可以在BIOS里看到；

目前可用的虚拟化软件十分广泛，你可以选用VirtualBox, VMware等等；（我用的是VMware Player 12，它是VMware公司制作的免费软件，应该足够任务需要）

get OpenCV
- 请从OpenCV的官方网站获取源程序(版本2.4以上即可)：
```
https://opencv.org/releases.html
```
按照官方指导安装OpenCV：

对于一件不容易的任务，设定合适的阶梯是件重要的事情；
即使我们的目标不是伸手可及的，我们还是要有所期望地做出扎实的工作；
在本次目标检测器训练工作上，我希望从两个方面度量工作质量：数据量、分类器表现；
1. 数据量：所采取到的正例样本加负例样本
- 数据是我们最大的财富
1. 分类器表现：级联分类器在图片数据和摄像头数据下的表现
- 分类器的表现是我们的最终追求

How to Tune Training Parameters
- 在我们的检测器训练任务中，调整训练参数是与收集数据同等重要的工作。我们希望收集到的数据可以发挥它们最大的价值;
- 想详细地熟悉分类器工作的原理，请参考FTP上的文献[Viola, 2001];
调整分类器的级联层数
- 级联分类器的层数是相当关键的参数。增大级联分类器的层数，有助于增加分类的准确性，但是也会增加运算负担；

我们新训练的检测器在静态目标上取得了还过得去的水平，下一步要把它们放在真是环境中进行一些测试；
测试平台
- 1. ROS
  
  希望可以直接使用Kinect采集数据进行测试。由于Kinect2在Ubuntu上仅有ROS接口，需要采用ROS节点的方式进行数据采集；

2018-2019学年的第一学期，我在北理工的Robocon机器人竞赛小组做了一些工作。本文档是作为向小组内部报告只用，简要地描述我所承担各项工作的内容和进展。

在我着手这方面工作之前，Robocon小组没有做过计算机视觉相关的尝试。因此，我将这方面的工作多视为探索性的尝试。以下将逐个描述各个试验性模块的功能和相应的效果。

	// Audio synth
	const synth = new Tone.Synth().toDestination();
	var keyIsDown = false;
	const rankMap = {
	'z' : 0,
	'x' : 0,
	'c' : 0
	};
	const stringMap = {
	'b' : ["G3", "A3", "B3", "C4", "G#3", "A#3", "B#3", "C#4"],