要想利用“人工神經網絡”處理圖像識別問題，需要事先收集到大量的數據。
可是倉促之間，上哪去弄數據？
倒是可以給“戰神一號”拍一些“寫真”，來充當訓練集，反正所有的參賽機器人，外形都差不多。
這樣做倒也不是不行，但時間太倉促了，數據的量級達不到要求，訓練效果應該不會太好。
而且，就算拼著一夜不睡，東拼西湊出一點訓練數據，也很可能來不及訓練了。
訓練“人工神經網絡”，畢竟是一件比較消耗時間的事情。
而現在最大的問題，就是缺少時間，明天就要正式上場了的說……
何況，“人工神經網絡”的優勢在于通用性和準確率，在特定問題上的識別速度，還真不見得能比得上精心優化過的“笨辦法”。
所以江寒仔細思考了一番之后，還是決定采用“幾何形狀匹配”的思路來做圖像識別。
這種辦法的優點是識別速度比較快，更容易獲得高幀率。
編程的復雜度可能稍微高了一點，但這對江寒來說，并不是什么太大的問題。
他先新建一個.CPP文件，以及對應的.h頭文件，然后創建一個新的類，用于容納自己的圖像識別算法。
接下來就可以正式編碼了。
江寒一邊思考，一邊編寫代碼，靳雪雯在一邊安靜地看著。
兩人偶爾也交流一兩句，討論一下編程思路、函數的功能之類的問題。
“江寒哥哥，這幾個語句是做什么用的啊？”
“這個是圖像預處理，按照自定義的閾值，將每個像素二值化……”
“那江寒哥哥，這個函數呢？我有點看不懂……”
“哦，這個叫膨脹處理，可以讓圖像的輪廓更加明顯……”
……
二十多分鐘后，江寒搞定了圖像預處理的相關代碼。
這部分要做的事情很簡單，就是將攝像頭拍到的圖像，先處理成灰度圖，然后二值化，只留下LED燈部分。
接下來，要在圖像中遍歷像素、尋找LED燈的輪廓。
這是整個算法中計算量最大的部分。
好在江寒對圖片的預處理，做得相當到位，將這一步所消耗的時間，基本上壓縮到了極限。
找到LED燈后，下面的事情就簡單了，遍歷輪廓、提取LED燈，再匹配篩選、找到機體輪廓，然后就可以鎖定目標攻擊了。
在做機體輪廓分析時，江寒考慮了一下，使用了模板匹配技術。
這樣一來，就進一步減少了運算量，節省了時間。
到了這里，目標識別就基本完成了。
接下來，就可以測算目標的方位和距離了。
這一步涉及到圖片坐標系與大地坐標系之間的換算，算法復雜度相當高。
但江寒豈是欺軟怕硬的人呢？
只要舍得腦力全開，肯定是搞得定的。
然而，這樣又有一個新問題，可別不等完成編碼，大腦的能量就消耗殆盡了。
那種空虛乏味的感覺，可是相當難受的……
所以江寒想了想，就笑瞇瞇地說：“小蚊子，可以拜托你一件事嗎？”
靳雪雯精神一振，摩拳擦掌地說：“江寒哥哥，快說、快說，是什么事？”
自己閑了這么久，總算可以派上點兒用場了……
江寒微微一笑，說：“幫我打個電話給前臺，要點宵夜。”
“沒問題！”靳雪雯脆生生地答應了一聲。
然后拿出手機，喜滋滋地問：“江寒哥哥，你想吃什么呀？”
“冰島紅極參，問問哪里有，然后讓前臺幫忙訂做兩盤，送到大廳來。”
“好的。”靳雪雯立即撥號。