从零实现《三角洲行动》手游自动跑刀脚本：ADB 直控 + OpenCV 视觉识别 + 固定点位搜刮)三角洲自动跑刀教程

从零实现《三角洲行动》手游自动跑刀脚本：ADB 直控 + OpenCV 视觉识别 + 固定点位搜刮

声明：本文仅用于分享 Android 自动化与计算机视觉的工程实践，所有内容面向技术学习。竞技游戏的用户协议通常禁止第三方自动化工具，请勿用于线上对局。Demo 与思路仅供研究，后果自负。
作者小金龙，代码可获取

先看看效果：

https://www.bilibili.com/video/BV1AP7X6AEfh/?spm_id_from=333.1387.homepage.video_card.click

视频效果

一、前言

很多人见过 B 站、CSDN 上的"自动跑刀"脚本——进图后自动跑到几个固定点位搜刮物资。这类脚本到底怎么实现？本文以《三角洲行动》手游为例，完整复盘一套**「电脑 ADB 直控真机 + OpenCV 视觉识别 + 固定路线」**的实现方案，重点讲清楚四个工程难点：

1. 怎么控制手机（截图 / 点击 / 滑动）
2. 怎么判断"真进游戏了"（霍夫圆检测小地图）
3. 怎么识别"这把刷在哪个出生点"（小地图模板匹配）
4. 怎么自动拾取物资（物资标签检测）

以及一个绕不开的结论：为什么"固定点位"方案可行，而"自主智能跑图"不可行。

二、整体架构与技术栈

PC (Python) ├─ ADB 控制层 —— 截图 / input tap / input swipe ├─ 视觉识别层(OpenCV) │ ├─ 霍夫圆检测 —— 检测小地图 → 判定是否进图 │ ├─ 模板匹配 —— 小地图比对 → 识别出生点 │ └─ 区域裁剪/遮罩 —— 物资标签、按钮定位 └─ 决策/路线层 —— 每个出生点一条固定动作序列 ↓ ADB Android 真机 / 模拟器

技术栈：

关键前提：MIUI / HyperOS 等系统默认禁用 ADB 模拟点击（INJECT_EVENTS权限），需在开发者选项中开启**「USB 调试（安全设置）」**（需插 SIM 卡 + 登录账号）。开启后adb shell input tap/swipe才可用，这是整套方案的基础。

三、ADB 控制层：截图、点击、滑动

一切的基础是「能截屏、能操作」。用subprocess包一层 ADB：

importsubprocess,timeimportnumpyasnpimportcv2 ADB=r"D:\platform-tools\adb.exe"SERIAL="你的设备序列号"# adb devices 查看defadb(*args,binary=False,timeout=20):cmd=[ADB,"-s",SERIAL]+list(args)r=subprocess.run(cmd,capture_output=True,timeout=timeout)returnr.stdoutifbinaryelser.stdout.decode("utf-8","ignore")defscreenshot():"""exec-out screencap 直接拿二进制 PNG，OpenCV 解码，无需落盘。"""raw=adb("exec-out","screencap","-p",binary=True)returncv2.imdecode(np.frombuffer(raw,np.uint8),cv2.IMREAD_COLOR)deftap(x,y,wait=1.2):adb("shell","input","tap",str(x),str(y))time.sleep(wait)defswipe(x1,y1,x2,y2,dur_ms=300):adb("shell","input","swipe",str(x1),str(y1),str(x2),str(y2),str(dur_ms))

对局内的"走位"和"转视角"，本质也是 swipe：

• 走位= 在左手虚拟摇杆上按住拖动一段时间（swipe的 duration 就是按住时长）。注意摇杆死区大，必须大幅度推满才会走：

defmove_forward(seconds):# 摇杆中心(430,760)，向上推满 → 前进swipe(430,780,430,350,int(seconds*1000))deflook_right_90():# 右侧视角区横向滑动，约 480px ≈ 转 90°swipe(1700,500,2180,500,350)

横屏分辨率 2400×1080 下，这些坐标都是实测标定出来的。

四、核心难点一：怎么判断"真进游戏了"？

这是最坑的一步。游戏从「点击出发」到「真正进图」要经历：匹配 → 选干员 → 着陆确认 → 加载（约30s）→ 进图。早期我用"固定等 30 秒"或"识别匹配界面文字"，都不稳——匹配时间不固定，加载界面文字时有时无，经常还没进游戏就开始乱跑刀。

突破口：对局内左上角有个圆形小地图，而菜单/加载界面没有。于是用霍夫圆检测（HoughCircles）：检测到小地图圆 = 真进游戏。

defdetect_minimap_circle(screen=None):"""检测左上角小地图圆，返回 (cx,cy,r) 或 None。"""ifscreenisNone:screen=screenshot()roi=screen[0:460,0:500]# 只在左上角找，提速g=cv2.medianBlur(cv2.cvtColor(roi,cv2.COLOR_BGR2GRAY),5)cs=cv2.HoughCircles(g,cv2.HOUGH_GRADIENT,dp=1,minDist=300,param1=100,param2=40,minRadius=140,maxRadius=215)ifcsisNone:returnNonec=cs[0][0]return(int(c[0]),int(c[1]),int(c[2]))defis_in_game(screen=None):returndetect_minimap_circle(screen)isnotNone

实测圆心稳定在(~277, 210)、半径~145，几乎每把一致。is_in_game()就是可靠的"进图判定"，彻底解决了时序错位问题。

五、核心难点二：识别"这把刷在哪个出生点"

关键前提：很多人以为出生点随机，其实不少撤离类地图的出生点就那固定的几个。这意味着——只要识别出本把刷在哪个出生点，就能跑预先调好的对应路线。这正是"固定点位脚本"成立的根基。

识别靠小地图：它是北朝上 + 玩家居中的，所以同一个出生点，周围地形布局每次都一样，非常适合模板匹配。

5.1 用圆检测把小地图"圆形抠出来"

直接方形裁剪会带进会变化的世界背景（四个角），干扰匹配。更好的做法是：圆检测定位 → 圆形掩膜把圆外涂黑 → 归一化尺寸：

defget_minimap(screen=None):"""抠出圆形小地图(圆外涂黑)，归一化 360x360。"""ifscreenisNone:screen=screenshot()circ=detect_minimap_circle(screen)ifcircisNone:returnNonecx,cy,r=circ r=min(r+8,cx,cy)crop=screen[cy-r:cy+r,cx-r:cx+r].copy()mask=np.zeros(crop.shape[:2],np.uint8)cv2.circle(mask,(crop.shape[1]//2,crop.shape[0]//2),r,255,-1)crop=cv2.bitwise_and(crop,crop,mask=mask)# 圆外涂黑returncv2.resize(crop,(360,360))

配图：圆检测 + 掩膜后抠出的干净圆形小地图。

有些出生点小地图上直接带地名（如"军营"“帐篷区”），还能用 OCR 读字辅助判断：

5.2 模板匹配识别出生点

提前在每个出生点出生瞬间采集一张圆形小地图存为模板（spawn1.png、spawn2.png…），进图后拿当前小地图逐一比对，取最高分：

importosdefdetect_spawn(screen=None,threshold=0.6):mm=get_minimap(screen)ifmmisNone:returnNonebest=Noneforfinos.listdir("templates/spawns"):tpl=cv2.imread(os.path.join("templates/spawns",f))iftplisNoneortpl.shape!=mm.shape:continueres=cv2.matchTemplate(mm,tpl,cv2.TM_CCOEFF_NORMED)_,maxv,_,_=cv2.minMaxLoc(res)ifbestisNoneormaxv>best[1]:best=(os.path.splitext(f)[0],float(maxv))returnbestifbestandbest[1]>=thresholdelseNone

采集规范（踩坑经验）：模板必须统一风格才匹配得准——① 都在出生瞬间、未移动时采集（玩家居中、初始朝向）；② 统一用"圆检测 + 掩膜 + resize 360×360"；③ 小地图上的玩家箭头、队友标记、区域线是动态噪声，进阶可把中心圆区再挖掉，只比静态地形。

六、核心难点三：自动拾取物资

走到物资点后，画面右上方会弹出物资标签（如"9V电池"）。坑点：拾取不是点屏幕固定的"交互键"，而是点这个标签本身。

PICKUP_LABEL=(1600,280)# 右上角物资标签位置(横屏)defpickup():tap(*PICKUP_LABEL,wait=0.6)

点中后画面提示"已拾取 XX 到保险箱"，即成功。

进阶可用模板匹配/颜色检测先判断"标签框是否存在"，存在再点，避免空点。

七、把它串起来：固定路线

每个出生点配一条固定动作序列，识别到哪个出生点就跑哪条：

ROUTES={# 降落点：出生 → 前进2秒 → 右转90° → 点标签拾取"spawn2":[("forward",2),("look",480,0),("pickup",)],# 其它出生点继续补……}defrun_route(name):forstepinROUTES.get(name,[]):ifstep[0]=="forward":move_forward(step[1])elifstep[0]=="look":swipe(1700,500,1700+step[1],500,350)elifstep[0]=="pickup":pickup()

主循环：

defmain_loop():deploy()# 自动点出发/指挥出战进局ifnotwait_in_game(timeout=60):# 圆检测等进图returnspawn=detect_spawn()# 识别出生点ifspawn:run_route(spawn[0])# 跑对应固定路线extract()# 撤离/自杀back_to_lobby()# 退出结算 → 回大厅

八、一个诚实的工程结论

做下来最大的体会："识别"不难，"导航"才难。

• 能做到：CV 识别进图、识别出生点、识别物资标签；固定出生点 + 固定路线 + 自动进局/撤离/循环。
• 做不到（靠脚本盲操作）：像人一样"自主跑图、避开墙和障碍、找到好货"。3D 场景里盲走 ADB 反复撞墙撞围栏，这需要深度感知 + 路径规划（等于游戏 AI 自主导航），是另一个数量级的工程；而真正的"自动打人"= 目标检测自瞄 = 顶格外挂，必被反作弊封号。

所以"固定点位"方案之所以流行，正是因为它用确定性（固定出生点+固定路线）绕开了最难的自主导航——这是工程上的务实取舍。

九、总结

整套方案把Android 自动化和OpenCV 模板匹配 / 霍夫圆检测结合起来，是一个很好的"CV + 自动化"工程练习。

再次提醒：仅供学习计算机视觉与自动化技术，切勿用于线上竞技对局

源码链接：

如果这篇对你有帮助，欢迎点赞收藏。技术交流，理性使用。