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 固定点位搜刮一、前言二、整体架构与技术栈三、ADB 控制层截图、点击、滑动四、核心难点一怎么判断真进游戏了五、核心难点二识别这把刷在哪个出生点5.1 用圆检测把小地图圆形抠出来5.2 模板匹配识别出生点六、核心难点三自动拾取物资七、把它串起来固定路线八、一个诚实的工程结论九、总结源码链接从零实现《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三角洲https://www.bilibili.com/video/BV1AP7X6AEfh/?spm_id_from333.1387.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怎么控制手机截图 / 点击 / 滑动怎么判断真进游戏了霍夫圆检测小地图怎么识别这把刷在哪个出生点小地图模板匹配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 / 模拟器技术栈模块技术设备控制ADBplatform-toolsinput tap/swipe、exec-out screencap图像处理OpenCV-PythonHoughCircles、matchTemplate、掩膜数值计算NumPy语言Python 3.10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 ADBimportsubprocess,timeimportnumpyasnpimportcv2 ADBrD:\platform-tools\adb.exeSERIAL你的设备序列号# adb devices 查看defadb(*args,binaryFalse,timeout20):cmd[ADB,-s,SERIAL]list(args)rsubprocess.run(cmd,capture_outputTrue,timeouttimeout)returnr.stdoutifbinaryelser.stdout.decode(utf-8,ignore)defscreenshot():exec-out screencap 直接拿二进制 PNGOpenCV 解码无需落盘。rawadb(exec-out,screencap,-p,binaryTrue)returncv2.imdecode(np.frombuffer(raw,np.uint8),cv2.IMREAD_COLOR)deftap(x,y,wait1.2):adb(shell,input,tap,str(x),str(y))time.sleep(wait)defswipe(x1,y1,x2,y2,dur_ms300):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(screenNone):检测左上角小地图圆返回 (cx,cy,r) 或 None。ifscreenisNone:screenscreenshot()roiscreen[0:460,0:500]# 只在左上角找提速gcv2.medianBlur(cv2.cvtColor(roi,cv2.COLOR_BGR2GRAY),5)cscv2.HoughCircles(g,cv2.HOUGH_GRADIENT,dp1,minDist300,param1100,param240,minRadius140,maxRadius215)ifcsisNone:returnNoneccs[0][0]return(int(c[0]),int(c[1]),int(c[2]))defis_in_game(screenNone):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(screenNone):抠出圆形小地图(圆外涂黑)归一化 360x360。ifscreenisNone:screenscreenshot()circdetect_minimap_circle(screen)ifcircisNone:returnNonecx,cy,rcirc rmin(r8,cx,cy)cropscreen[cy-r:cyr,cx-r:cxr].copy()masknp.zeros(crop.shape[:2],np.uint8)cv2.circle(mask,(crop.shape[1]//2,crop.shape[0]//2),r,255,-1)cropcv2.bitwise_and(crop,crop,maskmask)# 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(screenNone,threshold0.6):mmget_minimap(screen)ifmmisNone:returnNonebestNoneforfinos.listdir(templates/spawns):tplcv2.imread(os.path.join(templates/spawns,f))iftplisNoneortpl.shape!mm.shape:continuerescv2.matchTemplate(mm,tpl,cv2.TM_CCOEFF_NORMED)_,maxv,_,_cv2.minMaxLoc(res)ifbestisNoneormaxvbest[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 360×360③ 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,wait0.6)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(1700,500,1700step[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(timeout60):# 圆检测等进图returnspawndetect_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、总结难点解法控制手机ADBinput tap/swipescreencap进图判定霍夫圆检测小地图is_in_game()出生点识别圆形小地图掩膜 matchTemplate物资拾取点右上角物资标签智能跑图❌ 用固定出生点固定路线务实绕开整套方案把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。
