最基本的框架结构

生产者–消费者模式：在自动瞄准中，我们通常会将视频流的读取和处理分开，一个线程只读，一个线程处理。

• 问：为什么不先读取后处理呢？这样做会非常容易理解，也很好编写程序。
• 答：在RoboMaster机器人大赛中，速度是我们追求的一个非常重要的指标，如果我们的（帧率）非常低，那么在调试时很明显的发现机器人的枪口是卡顿式跟随目标。这样在赛场上会非常影响操作手体验，也非常影响对运动目标击打的命中率。因此，我们通常会将识别和处理分开进行（当然，我们第一次读取图像肯定是顺序的，但是当我们在处理第一张图像时候，完全可以把这些时间同时读取第二张图像，就好比你在做饭的时候，煮饭期间你可以拿出手机打一会儿王者荣耀）。这样我们就能将整体时间大大缩短（指处理一张图像的时间，对应的概念就是帧率）。

通常我们会这么操作，将读取图像相关操作成为生产者，将处理图像相关操作成为消费者。这样做会有什么问题嘛？我们可以假设一下，第一种情况：如果生产者速度高于消费者，也就是说我们读取很多张之后才能处理的了第一张，那么这时候我们必须让消费者处理最新生产出来的图像，保证数据的最新性。（赛场上我们要关注一分钟前目标的坐标嘛？）第二种情况：如果处理速度高于生产速度，那么会有一个问题，我们处理完了这一张图像，紧接着处理下一张图像，这时候发现图像是空的（也就是我们读取了空数组），会引发异常，这时候我们就必须等一等生产者。相关代码可以到自己学校开源或者别的学校开源，来实验室现场询问也可以。

处理过程之识别

上面写着数字：2 的就是装甲板，我们可以看见装甲板的两侧亮着灯条，这个灯条就是我们识别出灯条的利器。首先我们可以看到，灯条是有颜色的，灯条自身有比例，而且两个灯条之间的几何关系也是确定的，通过这些我们就可以把装甲板识别出来。

但是这样是不够的，首先我们知道，赛场上灯光干扰对我们识别造成了很大的影响，你永远不知道灯条会和谁在一起（bushi。所以我们需要利用那个数字，也就是我们要做数字识别。

数字识别步骤：

• 准备数据集， 不能是minisit，因为哨兵前哨战基地图案不是数字。
• 将数据集加载至CNN网络。
• 训练的到模型（pt或者pth），并转换为onnx
• 用dnn部署onnx（这是最简单的，也是很容易操作的，当然有点耗时，但其实没啥事，影响不大）

数据集怎么准备：

• 一个文件作为一个类名，比如文件名为1的，里面就全是1的装甲板。

获取数据集大概就是这么个操作，慢慢看吧，不太清楚来实验室询问一下就行。（这是属于操作最简单的数字识别了）