BetterGI深度解析：基于计算机视觉的原神自动化系统架构设计与实现

BetterGI深度解析：基于计算机视觉的原神自动化系统架构设计与实现

【免费下载链接】better-genshin-impact📦BetterGI · 更好的原神 - 自动拾取 | 自动剧情 | 全自动钓鱼(AI) | 全自动七圣召唤 | 自动伐木 | 自动刷本 | 自动采集/挖矿/锄地 | 一条龙 | 全连音游 | 自动烹饪 - UI Automation Testing Tools For Genshin Impact项目地址: https://gitcode.com/gh_mirrors/be/better-genshin-impact

BetterGI（Better Genshin Impact）是一个基于计算机视觉技术的开源自动化系统，专为《原神》游戏设计，实现了小地图识别与坐标转换、路径规划与障碍物避让、元素采集与角色切换自动化以及传送点识别与快速传送等核心功能。该系统通过精密算法将像素坐标转换为游戏世界坐标，实现厘米级导航精度，支持多种地图类型和复杂地形环境下的自动采集、资源收集和耕作等高级功能，为技术开发者和进阶玩家提供了强大的自动化解决方案。

技术概览与架构设计

BetterGI采用模块化架构设计，将复杂的自动化任务分解为多个独立的子系统，每个子系统专注于特定的功能领域。系统核心基于.NET平台开发，利用WPF框架构建用户界面，采用MVVM模式实现数据绑定和业务逻辑分离。

核心架构层次

系统架构分为四个主要层次：图像识别层、任务调度层、行为执行层和用户界面层。图像识别层负责实时分析游戏画面，提取关键信息；任务调度层管理自动化任务的执行流程；行为执行层模拟用户输入操作；用户界面层提供直观的配置和监控界面。

// 系统核心架构示例 public class TaskTriggerDispatcher { private readonly List<ITaskTrigger> _triggers = new(); private readonly GameCaptureFactory _captureFactory; private readonly ILogger<TaskTriggerDispatcher> _logger; // 任务调度器核心逻辑 public async Task StartAsync(CancellationToken cancellationToken) { while (!cancellationToken.IsCancellationRequested) { using var capture = _captureFactory.Create(); var image = capture.Capture(); foreach (var trigger in _triggers) { if (trigger.IsEnabled) { await trigger.OnCapture(image); } } await Task.Delay(_config.TriggerInterval, cancellationToken); } } }

多引擎识别系统

BetterGI支持多种计算机视觉引擎，包括PaddleOCR、YOLO模型和OpenCV特征匹配，形成多层次的识别体系：

配置管理系统

系统采用统一的配置管理机制，通过AllConfig类集中管理所有设置：

public partial class AllConfig : ObservableObject { [ObservableProperty] private string _captureMode = CaptureModes.BitBlt.ToString(); [ObservableProperty] private int _triggerInterval = 50; public MaskWindowConfig MaskWindowConfig { get; set; } = new(); public CommonConfig CommonConfig { get; set; } = new(); public HotKeyConfig HotKeyConfig { get; set; } = new(); // ... 更多配置项 }

核心算法实现原理

小地图识别与坐标转换算法

BetterGI的地图导航系统依赖于精确的小地图识别和坐标转换算法。系统通过计算机视觉技术实时分析游戏画面中的小地图信息，将像素坐标转换为游戏世界坐标，从而实现精准的导航和路径规划。

特征提取与匹配算法

系统采用多级特征匹配策略，结合SIFT、ORB和深度学习模型：

public Point2f GetMiniMapPosition(Mat miniMapMat) { // 使用多尺度特征检测 using var detector = SIFT.Create(); var keyPoints = detector.Detect(miniMapMat); // 与预定义模板进行特征匹配 var matches = FeatureMatcher.Match(keyPoints, _templateKeyPoints); // 计算仿射变换矩阵 var homography = ComputeHomography(matches); // 应用坐标转换 return TransformPosition(homography, _templatePlayerPosition); }

坐标转换数学模型

BetterGI建立了完整的坐标转换体系，实现了从屏幕像素坐标到游戏世界坐标的双向转换。该系统基于仿射变换和透视变换原理，构建了精确的数学转换模型：

public Point2f ConvertImageCoordinatesToGenshinMapCoordinates(Point2f imagePoint) { var mapConfig = GetMapConfiguration(_mapType); // 相对坐标计算 float relativeX = (imagePoint.X - mapConfig.CenterX) * mapConfig.ScaleFactor; float relativeY = (mapConfig.CenterY - imagePoint.Y) * mapConfig.ScaleFactor; // 应用偏移量 return new Point2f( relativeX + mapConfig.OffsetX, relativeY + mapConfig.OffsetY ); }

路径规划与障碍物避让策略

BetterGI采用基于航点的路径规划系统，将复杂的导航任务分解为一系列有序的路径点（Waypoint），每个路径点包含精确的坐标信息、移动模式和动作指令。

智能避障算法

系统通过实时状态监测和图像识别技术，构建了完整的障碍物检测体系：

public class PathExecutor { private const int RetryTimes = 2; private int _inTrap = 0; public async Task Pathing(PathingTask task) { foreach (var waypoints in waypointsList) { for (var i = 0; i < RetryTimes; i++) { try { await ResolveAnomalies(); foreach (var waypoint in waypoints) { await HandleTeleportWaypoint(waypoint); await BeforeMoveToTarget(waypoint); await MoveTo(waypoint); await MoveCloseTo(waypoint); await AfterMoveToTarget(waypoint); } } catch (RetryException retryException) { StartSkipOtherOperations(); Logger.LogWarning(retryException.Message); } } } } }

多模式脱困策略

对于完全卡死的情况，系统采用三级脱困策略：

元素采集与角色切换自动化

BetterGI的元素采集与角色切换自动化系统基于处理器设计模式，通过ElementalCollectHandler类处理不同元素的采集任务。

角色识别与切换机制

系统通过YOLO分类器识别当前队伍中的角色，实现智能角色切换：

public bool TrySwitch(int tryTimes = 4, bool needLog = true) { for (var i = 0; i < tryTimes; i++) { var region = CaptureToRectArea(); // 检查是否已经是出战状态 var notActiveCount = CombatScenes.GetAvatars() .Count(avatar => !avatar.IsActive(region)); if (IsActive(region) && notActiveCount == CombatScenes.ExpectedTeamAvatarNum - 1) { return true; } // 发送切换指令 Simulation.SendInput.SimulateAction(GIActions.Drop); switch (Index) { case 1: Simulation.SendInput.SimulateAction(GIActions.SwitchMember1); break; case 2: Simulation.SendInput.SimulateAction(GIActions.SwitchMember2); break; case 3: Simulation.SendInput.SimulateAction(GIActions.SwitchMember3); break; } } return false; }

元素类型支持矩阵

系统支持七种元素类型的采集，每种元素都有对应的角色配置策略：

性能优化与扩展机制

多级缓存与异步处理

BetterGI实现了高效的多级缓存机制，显著提升了系统性能：

public class Navigation { private static bool _isWarmUp = false; private static readonly NavigationInstance _instance = new(); public static void WarmUp(string mapMatchMethod) { if (!_isWarmUp) { MapManager.GetMap(MapTypes.Teyvat, mapMatchMethod).WarmUp(); } _isWarmUp = true; Reset(); } public static Point2f GetPosition(ImageRegion imageRegion, string mapName, string mapMatchMethod) { return _instance.GetPosition(imageRegion, mapName, mapMatchMethod); } }

插件化架构设计

系统采用插件化设计，支持功能模块的动态加载和卸载：

public class GameTaskManager { private readonly Dictionary<string, ITaskTrigger> _triggers = new(); public void AddTrigger(ITaskTrigger trigger) { _triggers[trigger.Name] = trigger; trigger.Initialize(); } public void RemoveTrigger(string name) { if (_triggers.TryGetValue(name, out var trigger)) { trigger.Dispose(); _triggers.Remove(name); } } }

错误恢复与容错机制

系统实现了完善的错误恢复机制，确保在异常情况下能够自动恢复：

public class NewRetry { public static async Task<T> Do<T>(Func<Task<T>> action, TimeSpan retryInterval, int maxAttemptCount) { var exceptions = new List<Exception>(); for (int attempt = 1; attempt <= maxAttemptCount; attempt++) { try { return await action(); } catch (RetryException ex) { exceptions.Add(ex); if (attempt < maxAttemptCount) { await Task.Delay(retryInterval); } } } throw new AggregateException("所有重试尝试均失败", exceptions); } }

实际应用场景与案例

自动采集系统

BetterGI的自动采集系统支持多种资源类型的自动采集，包括矿物、植物、食材等。系统通过图像识别技术检测资源点，并自动规划最优采集路径：

public class ElementalCollectHandler : IActionHandler { private readonly ElementalType _elementalType; public async Task RunAsync(CancellationToken ct, WaypointForTrack? waypoint, object? config) { var avatars = CombatScenes.GetAvatars(); var elementalAvatar = avatars.FirstOrDefault(a => a.ElementalType == _elementalType); if (elementalAvatar != null) { await elementalAvatar.TrySwitch(); await elementalAvatar.UseSkill(); await Task.Delay(1000, ct); } } }

自动钓鱼系统

基于深度学习的自动钓鱼系统采用RodNet神经网络模型，实现精准的钓鱼时机判断：

public class RodNet : Module<Tensor, Tensor, Tensor, Tensor, Tensor> { const double alpha = 1734.34 / 2.5; // 神经网络参数 static readonly double[] dz = {1.0307939, 1.5887239, 1.4377865, 0.8548809, 1.8640924, -0.1687729, 1.8621461, 0.7167622, 1.7071064, 1.8727832, 0.5531539}; public Tensor Forward(Tensor fishRect, Tensor rodRect, Tensor fishLabel, Tensor rodLabel) { // 使用牛顿-拉夫森迭代法求解钓鱼数学模型 var result = ComputeFishingAction(fishRect, rodRect, fishLabel, rodLabel); return result; } }

自动战斗系统

战斗系统支持多种战斗策略配置，可根据不同敌人类型自动切换角色和技能：

public class CombatScriptBag { private readonly List<CombatScript> _scripts = new(); public CombatScript FindBestMatch(List<string> avatarNames) { var bestMatch = _scripts .Select(script => new { Script = script, MatchCount = script.AvatarNames.Intersect(avatarNames).Count() }) .OrderByDescending(x => x.MatchCount) .FirstOrDefault(); return bestMatch?.Script ?? _scripts.First(); } }

未来规划与社区贡献

技术路线图

1. 深度学习模型优化：计划集成更先进的YOLOv9和Transformer模型，提升识别精度
2. 多语言支持扩展：增加对更多游戏语言的支持，包括日语、韩语等
3. 云服务集成：开发云端配置同步和远程控制功能
4. 跨平台支持：探索Linux和macOS平台的兼容性方案

社区贡献指南

BetterGI采用开放的开源模式，欢迎开发者参与贡献：

1. 代码贡献：遵循项目编码规范，提交清晰的PR
2. 文档完善：帮助完善技术文档和使用指南
3. 问题反馈：在GitHub Issues中报告bug和功能建议
4. 测试验证：参与新功能的测试和验证工作

性能基准测试

系统经过严格测试，在不同硬件配置下的性能表现：

部署与集成指导

1. 环境要求：.NET 6.0+运行时，Windows 10/11操作系统
2. 依赖安装：通过NuGet包管理器安装所有依赖项
3. 配置调整：根据游戏分辨率和硬件性能调整识别参数
4. 性能调优：参考项目文档中的性能优化指南

BetterGI通过精密的计算机视觉算法和智能的自动化策略，为《原神》玩家提供了强大的辅助工具。系统的模块化设计和可扩展架构为未来的功能扩展奠定了坚实基础，同时也为游戏自动化领域的技术研究提供了有价值的参考案例。

【免费下载链接】better-genshin-impact📦BetterGI · 更好的原神 - 自动拾取 | 自动剧情 | 全自动钓鱼(AI) | 全自动七圣召唤 | 自动伐木 | 自动刷本 | 自动采集/挖矿/锄地 | 一条龙 | 全连音游 | 自动烹饪 - UI Automation Testing Tools For Genshin Impact项目地址: https://gitcode.com/gh_mirrors/be/better-genshin-impact