void CubicSpline::randomNoise(
double stdDevPos, double stdDevVel, bool updateBounds)
{
//Initialize the generator
std::mt19937 generator(static_cast<long unsigned int>(
std::chrono::high_resolution_clock::now()
.time_since_epoch().count()));
std::normal_distribution<double> distPos(0.0, stdDevPos);
std::normal_distribution<double> distVel(0.0, stdDevVel);
//Apply noise on points
for (size_t i=0;i<_points.size();i++) {
if (!updateBounds && (i == 0 || i == _points.size()-1)) {
continue;
}
double deltaPos = distPos(generator);
double deltaVel = distVel(generator);
_points[i].position += deltaPos;
_points[i].velocity += deltaVel;
}
//Recompute the splines
computeSplines();
}
void LevelTracker::update(const VisionCore::Frame<cv::Mat>& frame){
// Cria uma sub-imagem contendo a "region of interest"
cv::Rect roi(topLeft,bottonRight);
const cv::Mat& originalImg = frame.getImg();
cv::Mat img = originalImg(roi);
// Converte para espaço de cor Lab
cv::Mat imgLab;
cv::cvtColor(img,imgLab,CV_BGR2Lab);
// Para cada linha, calcula distâncias para referências
std::vector<double> distPos(img.rows); //distância cumulativa para a referência em cada linha
std::vector<double> distNeg(img.rows);
double distPosCum=0;
double distNegCum=0;
for(int i=0;i<imgLab.rows;i++){
cv::Mat row=imgLab.row(i);
cv::Scalar meanColor = cv::mean(row);
distPos[i]=distPosCum+cv::norm(meanColor,positiveColorLab,cv::NORM_L2);
distNeg[i]=distNegCum+cv::norm(meanColor,negativeColorLab,cv::NORM_L2);
distPosCum=distPos[i];
distNegCum=distNeg[i];
}
// Decide nível. Calcula o erro de decisão para cada linha.
double minError=std::numeric_limits<double>::max();
int minErrorIndex=0;
for(int i=0;i<imgLab.rows;i++){
double error=distNeg[i]+distPos[imgLab.rows-1]-distPos[i];
if(error<minError){
minError=error;
minErrorIndex=i;
}
}
level=(imgLab.rows-minErrorIndex)/(double)imgLab.rows;
/// True se algo não está configurado
m_lostTrack = !negColOk || !posColOk || !regOk;
}
