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

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。

先看看效果：

三角洲

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：

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

1PC (Python)
2 ├─ ADB 控制层      —— 截图 / input tap / input swipe
3 ├─ 视觉识别层(OpenCV)
4 │    ├─ 霍夫圆检测   —— 检测小地图 → 判定是否进图
5 │    ├─ 模板匹配     —— 小地图比对 → 识别出生点
6 │    └─ 区域裁剪/遮罩 —— 物资标签、按钮定位
7 └─ 决策/路线层      —— 每个出生点一条固定动作序列
8        ↓ ADB
9   Android 真机 / 模拟器
10

技术栈：

模块	技术
设备控制	ADB（platform-tools）input tap/swipe、exec-out screencap
图像处理	OpenCV-Python（HoughCircles、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 ADB：

1import subprocess, time
2import numpy as np
3import cv2
4
5ADB = r"D:\platform-tools\adb.exe"
6SERIAL = "你的设备序列号"   # adb devices 查看
7
8def adb(*args, binary=False, timeout=20):
9    cmd = [ADB, "-s", SERIAL] + list(args)
10    r = subprocess.run(cmd, capture_output=True, timeout=timeout)
11    return r.stdout if binary else r.stdout.decode("utf-8", "ignore")
12
13def screenshot():
14    """exec-out screencap 直接拿二进制 PNG，OpenCV 解码，无需落盘。"""
15    raw = adb("exec-out", "screencap", "-p", binary=True)
16    return cv2.imdecode(np.frombuffer(raw, np.uint8), cv2.IMREAD_COLOR)
17
18def tap(x, y, wait=1.2):
19    adb("shell", "input", "tap", str(x), str(y))
20    time.sleep(wait)
21
22def swipe(x1, y1, x2, y2, dur_ms=300):
23    adb("shell", "input", "swipe", str(x1), str(y1), str(x2), str(y2), str(dur_ms))
24

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：

1def move_forward(seconds):
2    # 摇杆中心(430,760)，向上推满 → 前进
3    swipe(430, 780, 430, 350, int(seconds * 1000))
4
5def look_right_90():
6    # 右侧视角区横向滑动，约 480px ≈ 转 90°
7    swipe(1700, 500, 2180, 500, 350)
8

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。

1def detect_minimap_circle(screen=None):
2    """检测左上角小地图圆，返回 (cx,cy,r) 或 None。"""
3    if screen is None:
4        screen = screenshot()
5    roi = screen[0:460, 0:500]                       # 只在左上角找，提速
6    g = cv2.medianBlur(cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY), 5)
7    cs = cv2.HoughCircles(g, cv2.HOUGH_GRADIENT, dp=1, minDist=300,
8                          param1=100, param2=40, minRadius=140, maxRadius=215)
9    if cs is None:
10        return None
11    c = cs[0][0]
12    return (int(c[0]), int(c[1]), int(c[2]))
13
14def is_in_game(screen=None):
15    return detect_minimap_circle(screen) is not None
16

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：

1def get_minimap(screen=None):
2    """抠出圆形小地图(圆外涂黑)，归一化 360x360。"""
3    if screen is None:
4        screen = screenshot()
5    circ = detect_minimap_circle(screen)
6    if circ is None:
7        return None
8    cx, cy, r = circ
9    r = min(r + 8, cx, cy)
10    crop = screen[cy - r:cy + r, cx - r:cx + r].copy()
11    mask = np.zeros(crop.shape[:2], np.uint8)
12    cv2.circle(mask, (crop.shape[1] // 2, crop.shape[0] // 2), r, 255, -1)
13    crop = cv2.bitwise_and(crop, crop, mask=mask)        # 圆外涂黑
14    return cv2.resize(crop, (360, 360))
15

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：

1import os
2def detect_spawn(screen=None, threshold=0.6):
3    mm = get_minimap(screen)
4    if mm is None:
5        return None
6    best = None
7    for f in os.listdir("templates/spawns"):
8        tpl = cv2.imread(os.path.join("templates/spawns", f))
9        if tpl is None or tpl.shape != mm.shape:
10            continue
11        res = cv2.matchTemplate(mm, tpl, cv2.TM_CCOEFF_NORMED)
12        _, maxv, _, _ = cv2.minMaxLoc(res)
13        if best is None or maxv > best[1]:
14            best = (os.path.splitext(f)[0], float(maxv))
15    return best if best and best[1] >= threshold else None
16

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。

1PICKUP_LABEL = (1600, 280)   # 右上角物资标签位置(横屏)
2
3def pickup():
4    tap(*PICKUP_LABEL, wait=0.6)
5

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：

1ROUTES = {
2    # 降落点：出生 → 前进2秒 → 右转90° → 点标签拾取
3    "spawn2": [("forward", 2), ("look", 480, 0), ("pickup",)],
4    # 其它出生点继续补……
5}
6
7def run_route(name):
8    for step in ROUTES.get(name, []):
9        if step[0] == "forward":
10            move_forward(step[1])
11        elif step[0] == "look":
12            swipe(1700, 500, 1700 + step[1], 500, 350)
13        elif step[0] == "pickup":
14            pickup()
15

主循环：

1def main_loop():
2    deploy()                        # 自动点出发/指挥出战进局
3    if not wait_in_game(timeout=60):# 圆检测等进图
4        return
5    spawn = detect_spawn()          # 识别出生点
6    if spawn:
7        run_route(spawn[0])         # 跑对应固定路线
8    extract()                       # 撤离/自杀
9    back_to_lobby()                 # 退出结算 → 回大厅
10

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	ADB input tap/swipe + screencap
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。

《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》是转载文章，点击查看原文。