A visual algorithm simulation and puzzle solving program for the 2026 National College Student Electronic Design Contest Problem E, which reconstructs randomly cut and scattered polygons into a target rectangle from rendered images and outputs pose matrices.
51
No data
5
0
No data
2026-07-29
It closely mirrors the official contest requirements, provides complete data isolation between generation and recognition, and includes a GUI, batch testing, and animation playback, making it a practical reference for participants.
面向 2026 年全国大学生电子设计竞赛赛区赛（TI 杯）暨模拟电子系统设计 专题赛选拔赛 E 题“拼图装置”的视觉算法仿真、拼接求解与位姿输出程序。
这个项目生成一张随机切成 1～4 个多边形的矩形卡纸，把碎片随机旋转、平移并无重叠地摆放在 A4 纸上半区，然后只从渲染图像完成：
碎片数量可在界面中设置为 1～4。算法根据数量生成直线切割或中心放射切割， 每块都有矩形外边，符合赛题“不超过 4 片、每片不超过 5 边、每片至少一条边位于目标矩形外边”的约束。 仿真目标矩形固定为 10 cm × 6 cm，使用 40 px/cm 的比例渲染为 400 px × 240 px；切割、还原与位姿输出共用这一尺寸定义。
动画展示视觉识别完成后，P0、P1、P2、P3 依次按照求解出的旋转和平移矩阵， 运动到 10 cm × 6 cm 目标矩形并完成拼接。GIF 会在 GitHub 页面自动循环播放。
| 赛题视觉需求 | 本项目实现 |
|---|---|
| 待拼接碎片不超过 4 片 | 界面可设置 1～4 片 |
| 每片不超过 5 条边 | 仿真生成的碎片最多 5 条边 |
| 每片至少一条边位于目标矩形外边 | 切割生成器保证每片包含矩形外边 |
| 随机摆放后自动识别 | 颜色分割、轮廓提取、多边形顶点识别 |
| 拼接成目标矩形 | 切割边配对、邻接恢复、刚体拼接与全局闭环误差优化 |
| 目标矩形尺寸 | 固定为 10 cm × 6 cm |
| 机械臂移动所需位姿 | 输出每片的旋转角、平移量及 3×3 齐次矩阵 |
| 展示移动过程 | 按碎片编号依次播放实时旋转和平移动画 |
| 正常室内照明 | 算法接口可替换为标定后的真实相机图像 |
本仓库实现的是视觉算法与拼接求解仿真。接入真实机械臂时，还需完成相机标定、 像素到工作台坐标转换、手眼标定、抓取点规划及机械臂运动控制。
生成阶段和视觉阶段通过图像边界隔离：
随机切割多边形 + 随机真值位姿
│
▼
渲染/PNG 编码
│
▼
PNG 解码后的相机像素
│
├── 颜色分割与轮廓检测
├── 切割边配对与邻接恢复
└── 全局拼接规划与位姿矩阵
generate_camera_frame() 只返回图像像素，不返回生成多边形、顶点、邻接关系或
真值旋转平移矩阵。analyze_camera_frame() 只接收图像；碎片数量也由图像轮廓
自动统计。界面中的“碎片数量”只控制生成器，不作为识别或拼接求解输入。
因此视觉结果可替换为真实相机图片，不依赖仿真生成数据。
隔离回归测试：
python3 -m unittest tests/test_image_isolation.py
可视化测试界面：
python3 puzzle_gui.py
界面可按“生成场景 → 识别碎片 → 还原矩形”单步测试，也可自动演示、批量测试 100 个随机场景，并在右侧查看每块碎片的旋转角、平移量和 3×3 齐次矩阵。
命令行版本：
python3 puzzle_sim.py
指定随机种子并批量验证：
python3 puzzle_sim.py --seed 12 --output output/demo
python3 puzzle_sim.py --seed 12 --pieces 3 --output output/three
python3 puzzle_sim.py --batch 100
单次运行输出：
scene.png：随机摆放的相机输入；detected.png：视觉识别出的轮廓、顶点与编号；solution.png：目标矩形及还原结果；transforms.json：每片的中心、角度、2×3 与 3×3 变换矩阵；summary.png：输入、识别、还原三联图。矩阵采用图像像素坐标（x 向右、y 向下）。对当前图像中的点 [x, y, 1]^T 左乘 matrix_3x3，即可得到目标矩形中的对应位置。机械臂使用时，再通过相机标定得到的单应矩阵/手眼标定矩阵，把像素位姿转换为工作台或机器人坐标。
当前版本针对纯色碎片和俯视相机，假设碎片不接触、不遮挡、透视畸变较小。真机建议先做相机畸变校正和工作
适配 2026 年全国大学生电子设计竞赛 E 题：1～4 片拼图视觉识别、矩形还原、位姿矩阵与可视化仿真
Similar projects matched by category, topics, and programming language.
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.
mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.