江寒想了想，又補充說：“口味隨便，紅燒、清蒸無所謂……哦，對了，讓他們把點餐的錢加到我賬單里。”
靳雪雯一擺手：“不用，你教我改程序，我還不知道怎么感謝呢！
再說咱們戰隊剛剛成立，本隊長請吃個宵夜，也是應該的吧？”
江寒呵呵一笑：“小蚊子啊，你可能不太清楚，這種地方，一條紅極參只怕得7、8百塊。”
靳雪雯嘻嘻一笑：“沒事，讓爸爸買單就行了，他賺錢就是給我和媽媽花的嘛。”
江寒：“……”
有點無言以對的感覺。
眼前這一只，莫非就是傳說中的富蘿莉？
畢竟有句話說得好，十個蘿莉九個富，還有一個……
靳雪雯很快安排完宵夜，然后繼續看江寒編程。
江寒接下來就開始編寫目標測算模塊。
靳雪雯原本使用的辦法，是直接用像素坐標來計算旋轉角度。
這樣做倒也不是一定不行，但比較麻煩，而且效果也不會太好。
這是因為像素坐標差與角度之間，并不是線性關系，必須根據像素的坐標，隨時矯正換算比例，才能得到一個不很精確的近似值。
江寒思考了一下，根據“小孔成像”的原理，設計了一個簡單而又巧妙的算法，通過像素坐標算出了正確的轉角。
想要從圖像數據中得到物理世界的坐標，需要先標定攝像頭，從而得到攝像頭的內參。
這一步可以使用OpenCV中的標定工具來做。
標定完攝像頭后，就能得到攝像頭的內參矩陣和畸變參數。
根據這兩組參數，對像素值的坐標進行矯正，然后就可以通過反三角函數，來計算出需要的角度了。
寫完算法之后，江寒又設計了一個小實驗，對其進行了驗證。
實驗結果表明，這個算法完全OK，準確率和速度都優于靳雪雯原來的算法。
但這種算法也有一個相當明顯的缺陷，由于缺失了深度信息，因此無法對坐標系進行變換操作。
這樣一來，就只能得到相對于攝像頭中心的轉角……
那么如何解決深度的問題，得到三維坐標呢？
江寒又設計了一種算法，通過求解PNP問題，來得到敵我雙方在真實空間中的坐標偏移。
PNP問題，就是PerspectiveN-PointProblem。
江寒對這個算法不是十分熟悉，只知道可以用來處理空間定位問題。
所以，他先去網上找了幾篇文獻，仔細瀏覽，理解了原理之后，才開始編寫自己的代碼。
首先標定攝像頭，得到相機的內參矩陣和畸變參數，然后測量物體的尺寸，得到物體在世界坐標系中的坐標。
接下來，從圖像中得到機體的像素坐標，然后通過SolvePnP函數計算出平移向量，對坐標進行平移操作。
最后再修正一下y軸和z軸的坐標，就可以通過反三角函數，計算出所需要的角度值了。
這種算法可以得到物體在三維空間中的坐標，缺點是需要計算四個點，而第一種算法，利用小孔成像的原理，只需要計算一個點就夠了。
兩種辦法各有優缺點，可以分情況，靈活運用。
當目標距離十分遙遠時，就用“小孔成像法”計算角度；距離合適的時候，則不妨切換成PNP法……
這樣一來，就能兼顧效率與精準了。
破費！
最后還有一件事，那就是目標動作預測。
這是一個相當困難的問題，但也是一個非常重要的問題。
預測做得好不好，直接決定了子彈的命中率。
如果不做預測，當敵方車輛不斷移動時，瞄準點將總是滯后于敵機的實際位置。
這當然是不可接受的。
所以必須做，而且還要盡可能地做到完美！