上個月被派了幾個工項，
其中一個是解我們開單員拍到的車牌照片。
由於我們開單員同仁都是阿伯阿桑，
基本上不太會用 PDA 拍照，所以拍回來的照片都歪歪的。
不太像場站固定機位會回傳的那樣方正，有時候還會有部份缺漏。
為了解這個問題，我去研究過阜爾（城市車旅）、普客（Times）還有一些第三方怎麼做的？
至少到 2024 年這個時間點，停車場業者主要都是控制他們的開單員要拍正，
據我所知沒有任何一間廠商對這點做妥善處理。
先限縮一下問題，因為特徵點根據不同狀況有不同參照物，
通常車牌特徵點都是用角點，所以先把特徵點設定為角點。
解這個問題的關鍵有三個：
第一個是角點濾波器，你要怎麼知道抓出來的特徵點是不是角點？
第二個是角點的順序，
角點順序對了，就能做些線性代數運算把車牌校正回來再送去 OCR。
第三個是角點的缺補，有時候缺了一點就不能把車牌校正回來。
或是你只有對角兩點，要怎麼把這些點補回來？
這篇分享很幸運的狀況 – 四個角點都抓到，只需求其順序：
我有看過幾種校正角點的方法，
比較主流且技術樓地板低的方法是訓練車牌校正模型，
餵一堆歪斜的車牌讓機器模型幫忙校正、得出被校正後的四點座標。
比較聰明一點的會用四象限去分點位，
但是四象限法會遇到一些問題像是：
有重複點在同一象限，你要怎麼辦？
要比 X 軸 還是比 Y軸？
答案是先看在哪個象限，再寫邏輯處理。
有些人會說：
用霍夫變換抓直線回來校正車牌，不就可以把車牌四點都分到獨立的象限嗎？
我當初也是這麼想的，
但實務上會被水箱護網、環境因素（排水溝蓋等）帶歪，
請記得我們不是在做機臺 AOI 那種環境相對單純的工作，所以霍夫變換的效果有限。
所以用四象限法不僅會面臨邏輯複雜，
如果加了霍夫變換，又需要面臨霍夫變換的不穩健性。
結論：你應該用更好的方法！
Ray Casting法
這套是我自己有天看到 Carmack 的德軍總部為了節省計算量時用了 Ray Casting 後，
被 Ray Casting 啟發想出來的。
原理是利用任一從原點出發的向量，作為參考向量。
隨後計算每個點到原點的向量，稱為特徵向量，
將特徵向量與標準向量做 COS 值並計算角度，
為了保證角度要是同一個順序（順逆時鐘）求出來的，
最後記得看一下 COS 值正負做處理。
這套的好處相比於前述方法有三個：
1.是根據物理原理，這個順序一定是對的，
2.少去複雜的邏輯設計，程式碼易讀易於維護。
3.N個點的 Case 只須計算 N次，計算複雜度低。
 |
| Ray Casting 法 |
最後埋個彩蛋，參考向量設{-1, 0}能有效降低實務上的計算複雜度，
歡迎同行交流。
以上。
Please feel free to contact me if you have any questions.
上個月被派了幾個工項，
其中一個是解我們開單員拍到的車牌照片。
由於我們開單員同仁都是阿伯阿桑，
基本上不太會用 PDA 拍照，所以拍回來的照片都歪歪的。
不太像場站固定機位會回傳的那樣方正，有時候還會有部份缺漏。
為了解這個問題，我去研究過阜爾（城市車旅）、普客（Times）還有一些第三方怎麼做的？
至少到 2024 年這個時間點，停車場業者主要都是控制他們的開單員要拍正，
據我所知沒有任何一間廠商對這點做妥善處理。
先限縮一下問題，因為特徵點根據不同狀況有不同參照物，
通常車牌特徵點都是用角點，所以先把特徵點設定為角點。
解這個問題的關鍵有三個：
第一個是角點濾波器，你要怎麼知道抓出來的特徵點是不是角點？
第二個是角點的順序，
角點順序對了，就能做些線性代數運算把車牌校正回來再送去 OCR。
第三個是角點的缺補，有時候缺了一點就不能把車牌校正回來。
或是你只有對角兩點，要怎麼把這些點補回來？
這篇分享很幸運的狀況 – 四個角點都抓到，只需求其順序：
我有看過幾種校正角點的方法，
比較主流且技術樓地板低的方法是訓練車牌校正模型，
餵一堆歪斜的車牌讓機器模型幫忙校正、得出被校正後的四點座標。
比較聰明一點的會用四象限去分點位，
但是四象限法會遇到一些問題像是：
有重複點在同一象限，你要怎麼辦？
要比 X 軸 還是比 Y軸？
答案是先看在哪個象限，再寫邏輯處理。
有些人會說：
用霍夫變換抓直線回來校正車牌，不就可以把車牌四點都分到獨立的象限嗎？
我當初也是這麼想的，
但實務上會被水箱護網、環境因素（排水溝蓋等）帶歪，
請記得我們不是在做機臺 AOI 那種環境相對單純的工作，所以霍夫變換的效果有限。
所以用四象限法不僅會面臨邏輯複雜，
如果加了霍夫變換，又需要面臨霍夫變換的不穩健性。
結論：你應該用更好的方法！
Ray Casting法
這套是我自己有天看到 Carmack 的德軍總部為了節省計算量時用了 Ray Casting 後，
被 Ray Casting 啟發想出來的。
原理是利用任一從原點出發的向量，作為參考向量。
隨後計算每個點到原點的向量，稱為特徵向量，
將特徵向量與標準向量做 COS 值並計算角度，
為了保證角度要是同一個順序（順逆時鐘）求出來的，
最後記得看一下 COS 值正負做處理。
這套的好處相比於前述方法有三個：
1.是根據物理原理，這個順序一定是對的，
2.少去複雜的邏輯設計，程式碼易讀易於維護。
3.N個點的 Case 只須計算 N次，計算複雜度低。
|
| Ray Casting 法 |
最後埋個彩蛋，參考向量設{-1, 0}能有效降低實務上的計算複雜度，
歡迎同行交流。
以上。
Please feel free to contact me if you have any questions.