人脸识别、轨迹追踪、3D体感摄影，「百发百中」篮板升级，网友：你怎么那么有钱有闲有知识

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

机器之心报道

参与：张倩、魔王、杜伟

还记得那个让你「百发百中」的篮板吗？虽然它已经极大地提高了进球率，但作者似乎并不满意。最近，他又做了个改进版，用上了机器人和计算机视觉技术！他还说，「如果都这样了你还进不了，那只能说你太菜了（you really suck）」。

_闭着眼都能「包你进」的智能篮板 2.0。
_

在上个月发布的一个 YouTube 视频中，一位名叫 Shane Wighton 的小哥展示了一款特殊的篮板。与普通的平面篮板不同，这个篮板是曲面的，每个位置的弧度都经过了周密计算。整个过程利用了蒙特卡罗法和最小二乘法，极大地提高了进球率，视频的播放量也超过了 400 万。

但是，作者本人好像并没有很满意，因为他发现如果你投的球是平飞球（击出之球又直又快），还是很难保证球落到篮筐里。

于是他继续创新。这回，他使用了机器人和计算机视觉！改进后的篮板长这样：

它可以前后、上下、左右来回晃动：

‍也就是说，当球打在篮板上的时候，篮板会自己调整角度，「想法设法」把球弹到篮筐里。它知道你的球从哪里来、何时来、轨迹是什么样的，因为整个房间都在它的「监控」之下。

然后，它会借助这些信息调整自己的角度帮你进球。

此外，它还知道投球的人是谁，因为上面安装了人脸识别系统。

‍要做一个这样的篮板有很多困难。首先，篮板需要尽可能灵活，能够上下左右前后灵活转变方位；其次，机械动作的完成要尽可能快，因为从球脱手到击中篮板通常只有 600 毫秒。

他在篮板的后面安装了 3 个小电机，每个电机控制一个连杆，因此这个篮板有三个自由度。由于电机功率较小，所以他选择的篮板质地很轻。

篮板后边用的材料都是金属，借助等离子切割技术切割而成，这部分金属材料大约花了 5 美元。此外，他还用 3D 打印技术做了一些零部件。

‍完成这些机械制造部分之后，接下来要考虑的是如何让篮板「掌握」投球者的信息。

在硬件方面，Wighton 用到了微软为 XBOX360 打造的 3D 体感摄影机——Kinect。Kinect 可以为软件提供视频输入，视频中带有深度信息，可以表示你和摄像头之间的距离。Wighton 借助这些信息完成球的轨迹追踪。

最难的部分是软件，这花费了作者的大部分时间。Wighton 表示：与软件相比，机械设计部分简直太简单了。

首先，软件需要在视频中找到球，而且要尽可能又快又准。

在视频中，基于单一的帧很难区分出哪个是球，「聪明」的计算机视觉系统把篮球、人头甚至是角落的杂物都当成了球。

于是，Wighton 只能凭借视频中每个物体的轨迹来判断哪个是球。

篮球的轨迹应该是一条平滑的抛物线，Wighton 借助这一物理常识来判断哪个是篮球。

找到球之后，接下来就是预测球的完整轨迹以及球可能打在篮板的哪个位置：

在这个过程中，收集的数据越多，预测就越准确。由于 Wighton 能算出从下达指令到篮板移动的时间，因此他选择在篮球快要击中篮板的最后几毫秒下达指令，这样能大大缩小落点的潜在范围。

算出了这些信息之后，接下来就要讨论如何移动篮板。此处的原理也比较容易理解，如果系统判断篮板该往前移，它就会让篮板适当下压，反之则适当上翘。

当然，移动方案并不是固定的，Wighton 选择方案的标准是：这个方案能做到吗？要花多长时间？整个的计算过程其实是非常复杂的，充满了各种数学方程。

目前，这个篮板还存在一些问题，如 Windows 太慢，有时候会胡乱下指令，还有很多 bug 没有修复…… 这些问题也导致篮板在关键时刻翻车，比如在作者老婆试用的时候：

翻车就算了，还有语音反馈：“you really suck at basketball”。

**用到了哪些工具
**

看了整个过程，你是不是也想动手复现 Wighton 的篮板项目？在复现过程中，你需要这些材料和设备：

首先是篮板。

这回他没有选择手工制作，而是网购了一个。为了达到最佳效果，Wighton 也是拼了！

这次的篮板长这样。

技术制图时，他使用了 13 英寸的 iPad Pro。

实际操作过程中用到的工具更是纷繁复杂，且昂贵……

_Wera allen keys 五金工具、马克笔、电焊机、铆接套件、AngleCube 数字量角器、压弯机、20 吨折弯机、无线角磨机、Powermax45 XP 专业级机用等离子切割系统等等。
_

除了实体硬件和工具以外，知识才是做成这个项目最重要的工具。

书到用时方恨少？不存在的。Wighton 在做这个项目前阅读了以下书籍，从中获得了很多技能：

• Real-Time Collision Detection

• Introduction to Algorithims

• Planning Algorithims

• Statistics

• Computational Geometry

这些书籍涉及算法、统计学、计算几何学等等，看来 Wighton 做了相当充分的准备。

网友神评论：别问我记不记得高中几何，问就是不记得！

面对 Wighton 不达目的（百发百中）绝不罢休的精神，网友展开了神评论：

我本来打算吐槽『这个人竟然在这个领域浪费时间，之前那个小哥的木制篮板已经很强了……』然后发现，额，竟然是同一个人做的……

你竟然在几周内就做了这么多？！

这怎么可能？你怎么会具备这么多不同领域的专业知识、这么多昂贵的机器和这么多时间？

这是我第一次不了解一个人做一件事的目的。

这位朋友你说出了我们的心声！

计算机科学系学生也表达了自己的感受：

作为一名计算机科学系的学生，我曾经告诉自己数学无用。但是你的所作所为证明我错了……

更多网友表达了被高中教师支配的恐惧：

你问我还记得高中几何吗？

我只能说：是那个表示形状的几何吗？

你问了很多次「还记得…… 吗」，我对此只有一句回答：「不记得」……

也有网友提出疑问：为什么要在最后一瞬间移动？

Wighton 对此的回复是：

最后瞬间才移动的原因是，估计到的轨迹很容易改变，而这需要方向反转（即它们并不是单调地接近正确解）。如果发生了这种现象，我必须减速直至停下，然后再从另一个方向加速。最糟糕的情况是从一侧移动另一侧。我对此进行了基础分析，发现在最后时刻移动篮板得到的平均结果更好。

方向反转的另一个问题是，从完全正的加速转向完全负的加速会造成双倍的系统冲击（即加速改变率）。这会带来较多的机械振动，导致各种各样的问题。

Shane Wighton 是谁？

Shane Wighton 毕业于北卡罗来纳大学夏洛特分校，获得了机械工程学士学位和计算机科学硕士学位。他目前在 3D 打印技术开发商和制造商 Formlabs 公司担任首席工程师，热爱制作东西。曾发表专利：Additive fabrication support structures（增材制造支持结构）。

Wighton 于 2020 年 3 月开通了自己的 YouTube 频道，短短两个月已经收获了 10 万 + 订阅者。

除了我们介绍的两个篮板视频外，Shane Wighton 的 YouTube 频道中的其他视频也多与「制造」相关。

他在 YouTube 频道简介中这样写道：

我创造各种各样的事物，并且希望用有趣的方式来分享。我的大部分创造是制造项目，不过我也写软件、制作电子设备等。

有那么多人喜欢、分享自己的创造，并给出反馈，是件挺快乐的事吧。

话说回来，Wighton 还打算再接再厉，继续改进，说不定还会有第三版智能篮板呢！

完整视频请戳：

机器之心 CVPR 2020 线上分享的第三期，我们邀请到腾讯优图实验室高级研究员 Louis 为我们做主题为《带噪学习和协作学习：不完美场景下的神经网络优化策略》的线上分享，欢迎读者报名学习。

最简单好用的 VPS,没有之一，注册立得 100 美金