2023电赛E题视觉部分

该部分主要要完成正方形区域的识别,并返回对应的坐标,但是由于距离1m,过远。因此需要引入图像增强,下面代码完成基本流程测试,仅供参考:

import sensor

import image

import time

初始化摄像头

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QVGA)

sensor.skip_frames(time = 2000)

设置阈值,用于图像增强

thresholds = [(30, 100, -64, -8, -32, 32)] # 根据实际情况调整阈值

while True:

img = sensor.snapshot() # 获取图像

图像增强

img.binary([thresholds])

寻找轮廓

blobs = img.find_blobs([thresholds], pixels_threshold=200, area_threshold=200)

遍历找到的轮廓

for blob in blobs:

判断是否为正方形

if blob.is_square():

计算正方形的中心坐标

x = blob.cx()

y = blob.cy()

计算距离

distance = 1 / blob.w() # 假设正方形的宽度为1米

在图像上绘制正方形和坐标

img.draw_rectangle(blob.rect())

img.draw_cross(x, y)

打印坐标和距离

print("Square found at (x={}, y={}), distance={}m".format(x, y, distance))

显示图像

img.show()

相关推荐
2501_9413331013 小时前
数字识别与检测_YOLOv3_C3k2改进模型解析
人工智能·yolo·目标跟踪
AI浩20 小时前
YOLO-IOD:面向实时增量目标检测
yolo·目标检测·目标跟踪
Katecat9966320 小时前
目标检测咖啡果实成熟度检测:RetinaNet-X101模型实现
人工智能·目标检测·目标跟踪
wfeqhfxz258878220 小时前
YOLOv8-BiFPN鸟巢目标检测与识别实战教程
yolo·目标检测·目标跟踪
LittroInno1 天前
TVMS视频管理平台 —— 多种目标跟踪模式
人工智能·计算机视觉·目标跟踪
没有不重的名么1 天前
Multiple Object Tracking as ID Prediction
深度学习·opencv·计算机视觉·目标跟踪
2501_941329721 天前
【校园安全】YOLO11-C3k2-DBB实现校园安全行为识别与异常检测系统
人工智能·安全·目标跟踪
2501_942191771 天前
RetinaNet与伪装目标检测:提升模型识别能力的实战指南
人工智能·目标检测·目标跟踪
ZCXZ12385296a1 天前
水下红色目标检测与定位实战:基于改进YOLOv8-Seg-GoldYOLO的实现
yolo·目标检测·目标跟踪
AAD555888991 天前
工业纸板加工过程中的检测与识别_Cornernet_Hourglass104模型应用
人工智能·计算机视觉·目标跟踪